Buchumschlag

VideoMix: Aggregating How-To Videos for Task-Oriented Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yang, Saelyne, Truong, Anh, Kim, Juho, Li, Dingzeyu
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Human-Computer Interaction Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

GUIDE: A Benchmark for Understanding and Assisting Users in Open-Ended GUI Tasks
von: Yang, Saelyne, et al.
Veröffentlicht: (2026)

Vid2Coach: Transforming How-To Videos into Task Assistants
von: Huh, Mina, et al.
Veröffentlicht: (2025)

Rewriting Video: Text-Driven Reauthoring of Video Footage
von: Wang, Sitong, et al.
Veröffentlicht: (2026)

Morae: Proactively Pausing UI Agents for User Choices
von: Peng, Yi-Hao, et al.
Veröffentlicht: (2025)

VideoA11y: Method and Dataset for Accessible Video Description
von: Li, Chaoyu, et al.
Veröffentlicht: (2025)

SOS: A Shuffle Order Strategy for Data Augmentation in Industrial Human Activity Recognition
von: Ha, Anh Tuan, et al.
Veröffentlicht: (2025)

Acoustic Field Video for Multimodal Scene Understanding
von: Kim, Daehwa, et al.
Veröffentlicht: (2026)

ExpressEdit: Video Editing with Natural Language and Sketching
von: Tilekbay, Bekzat, et al.
Veröffentlicht: (2024)

PodReels: Human-AI Co-Creation of Video Podcast Teasers
von: Wang, Sitong, et al.
Veröffentlicht: (2023)

EduGage: Methods and Dataset for Sensor-Based Momentary Assessment of Engagement in Self-Guided Video Learning
von: Leng, Zikang, et al.
Veröffentlicht: (2026)

Surgment: Segmentation-enabled Semantic Search and Creation of Visual Question and Feedback to Support Video-Based Surgery Learning
von: Wang, Jingying, et al.
Veröffentlicht: (2024)

SpriteHand: Real-Time Versatile Hand-Object Interaction with Autoregressive Video Generation
von: Li, Zisu, et al.
Veröffentlicht: (2025)

VideoMap: Supporting Video Editing Exploration, Brainstorming, and Prototyping in the Latent Space
von: Lin, David Chuan-En, et al.
Veröffentlicht: (2022)

Analyzing Swimming Performance Using Drone Captured Aerial Videos
von: Tran, Thu, et al.
Veröffentlicht: (2025)

NarrativeBridge: Enhancing Video Captioning with Causal-Temporal Narrative
von: Nadeem, Asmar, et al.
Veröffentlicht: (2024)

Reframe Anything: LLM Agent for Open World Video Reframing
von: Cao, Jiawang, et al.
Veröffentlicht: (2024)

Video Joint-Embedding Predictive Architectures for Facial Expression Recognition
von: Eing, Lennart, et al.
Veröffentlicht: (2026)

"I Can't Keep Up": Accessibility Barriers in Video-Based Learning for Individuals with Borderline Intellectual Functioning
von: Chu, Hyehyun, et al.
Veröffentlicht: (2026)

MVTN: A Multiscale Video Transformer Network for Hand Gesture Recognition
von: Garg, Mallika, et al.
Veröffentlicht: (2024)

Designing Multi-Robot Ground Video Sensemaking with Public Safety Professionals
von: Zhou, Puqi, et al.
Veröffentlicht: (2026)

Hybrid 3D Human Pose Estimation with Monocular Video and Sparse IMUs
von: Bao, Yiming, et al.
Veröffentlicht: (2024)

Allowing humans to interactively guide machines where to look does not always improve human-AI team's classification accuracy
von: Nguyen, Giang, et al.
Veröffentlicht: (2024)

Co-Speech Gesture Video Generation via Motion-Decoupled Diffusion Model
von: He, Xu, et al.
Veröffentlicht: (2024)

Multiscaled Multi-Head Attention-based Video Transformer Network for Hand Gesture Recognition
von: Garg, Mallika, et al.
Veröffentlicht: (2025)

ProTAL: A Drag-and-Link Video Programming Framework for Temporal Action Localization
von: He, Yuchen, et al.
Veröffentlicht: (2025)

LLM4Brain: Training a Large Language Model for Brain Video Understanding
von: Zheng, Ruizhe, et al.
Veröffentlicht: (2024)

CinePreGen: Camera Controllable Video Previsualization via Engine-powered Diffusion
von: Chen, Yiran, et al.
Veröffentlicht: (2024)

Panonut360: A Head and Eye Tracking Dataset for Panoramic Video
von: Xu, Yutong, et al.
Veröffentlicht: (2024)

The Visual Experience Dataset: Over 200 Recorded Hours of Integrated Eye Movement, Odometry, and Egocentric Video
von: Greene, Michelle R., et al.
Veröffentlicht: (2024)

A Comparison of Bounding Box and Landmark Detection Methods for Video-Based Heart Rate Estimation
von: Liang, Laurence
Veröffentlicht: (2023)

EmoCLIP: A Vision-Language Method for Zero-Shot Video Facial Expression Recognition
von: Foteinopoulou, Niki Maria, et al.
Veröffentlicht: (2023)

FastPerson: Enhancing Video Learning through Effective Video Summarization that Preserves Linguistic and Visual Contexts
von: Kawamura, Kazuki, et al.
Veröffentlicht: (2024)

Detecting Activities of Daily Living in Egocentric Video to Contextualize Hand Use at Home in Outpatient Neurorehabilitation Settings
von: Kadambi, Adesh, et al.
Veröffentlicht: (2024)

Editing Physiological Signals in Videos Using Latent Representations
von: Zhou, Tianwen, et al.
Veröffentlicht: (2025)

SVFAP: Self-supervised Video Facial Affect Perceiver
von: Sun, Licai, et al.
Veröffentlicht: (2023)

PedaCo-Gen: Scaffolding Pedagogical Agency in Human-AI Collaborative Video Authoring
von: Baek, Injun, et al.
Veröffentlicht: (2026)

Learning Spatio-Temporal Feature Representations for Video-Based Gaze Estimation
von: Personnic, Alexandre, et al.
Veröffentlicht: (2025)

Beyond Questionnaires: Video Analysis for Social Anxiety Detection
von: Sahu, Nilesh Kumar, et al.
Veröffentlicht: (2024)

Videogenic: Identifying Highlight Moments in Videos with Professional Photographs as a Prior
von: Lin, David Chuan-En, et al.
Veröffentlicht: (2022)

Seeing, Hearing, and Knowing Together: Multimodal Strategies in Deepfake Videos Detection
von: Chen, Chen, et al.
Veröffentlicht: (2026)