Buchumschlag

MoCLIP: Motion-Aware Fine-Tuning and Distillation of CLIP for Human Motion Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Maldonado, Gabriel, Pazho, Armin Danesh, Noghre, Ghazal Alinezhad, Katariya, Vinit, Tabkhi, Hamed
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

VT-Former: An Exploratory Study on Vehicle Trajectory Prediction for Highway Surveillance through Graph Isomorphism and Transformer
von: Pazho, Armin Danesh, et al.
Veröffentlicht: (2023)

Adversarially-Refined VQ-GAN with Dense Motion Tokenization for Spatio-Temporal Heatmaps
von: Maldonado, Gabriel, et al.
Veröffentlicht: (2025)

MoFM: A Large-Scale Human Motion Foundation Model
von: Baharani, Mohammadreza, et al.
Veröffentlicht: (2025)

Human-Centric Video Anomaly Detection Through Spatio-Temporal Pose Tokenization and Transformer
von: Noghre, Ghazal Alinezhad, et al.
Veröffentlicht: (2024)

A Survey on Video Anomaly Detection via Deep Learning: Human, Vehicle, and Environment
von: Noghre, Ghazal Alinezhad, et al.
Veröffentlicht: (2025)

An Exploratory Study on Human-Centric Video Anomaly Detection through Variational Autoencoders and Trajectory Prediction
von: Noghre, Ghazal Alinezhad, et al.
Veröffentlicht: (2024)

Towards Adaptive Human-centric Video Anomaly Detection: A Comprehensive Framework and A New Benchmark
von: Pazho, Armin Danesh, et al.
Veröffentlicht: (2024)

ALFred: An Active Learning Framework for Real-world Semi-supervised Anomaly Detection with Adaptive Thresholds
von: Yao, Shanle, et al.
Veröffentlicht: (2025)

Evaluating the Effectiveness of Video Anomaly Detection in the Wild: Online Learning and Inference for Real-world Deployment
von: Yao, Shanle, et al.
Veröffentlicht: (2024)

Shopformer: Transformer-Based Framework for Detecting Shoplifting via Human Pose
von: Rashvand, Narges, et al.
Veröffentlicht: (2025)

Exploring Pose-Based Anomaly Detection for Retail Security: A Real-World Shoplifting Dataset and Benchmark
von: Rashvand, Narges, et al.
Veröffentlicht: (2025)

MoCLIP-Lite: Efficient Video Recognition by Fusing CLIP with Motion Vectors
von: Huang, Binhua, et al.
Veröffentlicht: (2025)

From Lab to Field: Real-World Evaluation of an AI-Driven Smart Video Solution to Enhance Community Safety
von: Yao, Shanle, et al.
Veröffentlicht: (2023)

Are Multimodal LLMs Ready for Surveillance? A Reality Check on Zero-Shot Anomaly Detection in the Wild
von: Yao, Shanle, et al.
Veröffentlicht: (2026)

From Frames to Events: Rethinking Evaluation in Human-Centric Video Anomaly Detection
von: Rashvand, Narges, et al.
Veröffentlicht: (2026)

EdgeVTP: Exploration of Latency-efficient Trajectory Prediction for Edge-based Embedded Vision Applications
von: Kim, Seungjin, et al.
Veröffentlicht: (2026)

Intelligent CCTV for Urban Design: AI-Based Analysis of Soft Infrastructure at Intersections
von: Katariya, Vinit, et al.
Veröffentlicht: (2026)

AnimalMotionCLIP: Embedding motion in CLIP for Animal Behavior Analysis
von: Zhong, Enmin, et al.
Veröffentlicht: (2025)

Advancing Compositional Awareness in CLIP with Efficient Fine-Tuning
von: Peleg, Amit, et al.
Veröffentlicht: (2025)

CLIP-RD: Relative Distillation for Efficient CLIP Knowledge Distillation
von: Chung, Jeannie, et al.
Veröffentlicht: (2026)

DGS-Net: Distillation-Guided Gradient Surgery for CLIP Fine-Tuning in AI-Generated Image Detection
von: Yan, Jiazhen, et al.
Veröffentlicht: (2025)

CLIP-KD: An Empirical Study of CLIP Model Distillation
von: Yang, Chuanguang, et al.
Veröffentlicht: (2023)

MoP-CLIP: A Mixture of Prompt-Tuned CLIP Models for Domain Incremental Learning
von: Nicolas, Julien, et al.
Veröffentlicht: (2023)

DetailCLIP: Detail-Oriented CLIP for Fine-Grained Tasks
von: Monsefi, Amin Karimi, et al.
Veröffentlicht: (2024)

CLIP-CID: Efficient CLIP Distillation via Cluster-Instance Discrimination
von: Yang, Kaicheng, et al.
Veröffentlicht: (2024)

Contrast-Aware Calibration for Fine-Tuned CLIP: Leveraging Image-Text Alignment
von: Lv, Song-Lin, et al.
Veröffentlicht: (2025)

LatteCLIP: Unsupervised CLIP Fine-Tuning via LMM-Synthetic Texts
von: Cao, Anh-Quan, et al.
Veröffentlicht: (2024)

EasyTune: Efficient Step-Aware Fine-Tuning for Diffusion-Based Motion Generation
von: Tan, Xiaofeng, et al.
Veröffentlicht: (2026)

MotionRFT: Unified Reinforcement Fine-Tuning for Text-to-Motion Generation
von: Tan, Xiaofeng, et al.
Veröffentlicht: (2026)

Omni-NegCLIP: Enhancing CLIP with Front-Layer Contrastive Fine-Tuning for Comprehensive Negation Understanding
von: Xu, Jingqi
Veröffentlicht: (2026)

MoMaps: Semantics-Aware Scene Motion Generation with Motion Maps
von: Lei, Jiahui, et al.
Veröffentlicht: (2025)

MedP-CLIP: Medical CLIP with Region-Aware Prompt Integration
von: Peng, Jiahui, et al.
Veröffentlicht: (2026)

BadCLIP: Trigger-Aware Prompt Learning for Backdoor Attacks on CLIP
von: Bai, Jiawang, et al.
Veröffentlicht: (2023)

Robotic-CLIP: Fine-tuning CLIP on Action Data for Robotic Applications
von: Nguyen, Nghia, et al.
Veröffentlicht: (2024)

TNG-CLIP:Training-Time Negation Data Generation for Negation Awareness of CLIP
von: Cai, Yuliang, et al.
Veröffentlicht: (2025)

MotionCharacter: Fine-Grained Motion Controllable Human Video Generation
von: Fang, Haopeng, et al.
Veröffentlicht: (2024)

Prompt Tuning for CLIP on the Pretrained Manifold
von: Yang, Xi, et al.
Veröffentlicht: (2026)

Enhancing CLIP with CLIP: Exploring Pseudolabeling for Limited-Label Prompt Tuning
von: Menghini, Cristina, et al.
Veröffentlicht: (2023)

CLIP-FTI: Fine-Grained Face Template Inversion via CLIP-Driven Attribute Conditioning
von: Dai, Longchen, et al.
Veröffentlicht: (2025)

TSCLIP: Robust CLIP Fine-Tuning for Worldwide Cross-Regional Traffic Sign Recognition
von: Zhao, Guoyang, et al.
Veröffentlicht: (2024)