Buchumschlag

Two Causally Related Needles in a Video Haystack

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Miaoyu, Chao, Qin, Li, Boyang
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Needle In A Multimodal Haystack
von: Wang, Weiyun, et al.
Veröffentlicht: (2024)

MAGNET: A Multi-agent Framework for Finding Audio-Visual Needles by Reasoning over Multi-Video Haystacks
von: Chowdhury, Sanjoy, et al.
Veröffentlicht: (2025)

Multimodal Needle in a Haystack: Benchmarking Long-Context Capability of Multimodal Large Language Models
von: Wang, Hengyi, et al.
Veröffentlicht: (2024)

Losing Visual Needles in Image Haystacks: Vision Language Models are Easily Distracted in Short and Long Contexts
von: Sharma, Aditya, et al.
Veröffentlicht: (2024)

Causality Model for Semantic Understanding on Videos
von: Yicong, Li
Veröffentlicht: (2025)

CausalStep: A Benchmark for Explicit Stepwise Causal Reasoning in Videos
von: Li, Xuchen, et al.
Veröffentlicht: (2025)

Finding Outliers in a Haystack: Anomaly Detection for Large Pointcloud Scenes
von: Faulkner, Ryan, et al.
Veröffentlicht: (2025)

Visual Haystacks: A Vision-Centric Needle-In-A-Haystack Benchmark
von: Wu, Tsung-Han, et al.
Veröffentlicht: (2024)

Needle In A Video Haystack: A Scalable Synthetic Evaluator for Video MLLMs
von: Zhao, Zijia, et al.
Veröffentlicht: (2024)

InstrAct: Towards Action-Centric Understanding in Instructional Videos
von: Yang, Zhuoyi, et al.
Veröffentlicht: (2026)

Document Haystacks: Vision-Language Reasoning Over Piles of 1000+ Documents
von: Chen, Jun, et al.
Veröffentlicht: (2024)

Black Swan: Abductive and Defeasible Video Reasoning in Unpredictable Events
von: Chinchure, Aditya, et al.
Veröffentlicht: (2024)

Uni-ViGU: Towards Unified Video Generation and Understanding via A Diffusion-Based Video Generator
von: Qin, Luozheng, et al.
Veröffentlicht: (2026)

Video-CCAM: Enhancing Video-Language Understanding with Causal Cross-Attention Masks for Short and Long Videos
von: Fei, Jiajun, et al.
Veröffentlicht: (2024)

CausalVE: Face Video Privacy Encryption via Causal Video Prediction
von: Huang, Yubo, et al.
Veröffentlicht: (2024)

Accelerating Video Generation Inference with Sequential-Parallel 3D Positional Encoding Using a Global Time Index
von: Yuan, Chao, et al.
Veröffentlicht: (2026)

FreshMem: Brain-Inspired Frequency-Space Hybrid Memory for Streaming Video Understanding
von: Li, Kangcong, et al.
Veröffentlicht: (2026)

MSA2-Net: Utilizing Self-Adaptive Convolution Module to Extract Multi-Scale Information in Medical Image Segmentation
von: Deng, Chao, et al.
Veröffentlicht: (2025)

Treble Counterfactual VLMs: A Causal Approach to Hallucination
von: Li, Shawn, et al.
Veröffentlicht: (2025)

This&That: Language-Gesture Controlled Video Generation for Robot Planning
von: Wang, Boyang, et al.
Veröffentlicht: (2024)

Emergent Open-Vocabulary Semantic Segmentation from Off-the-shelf Vision-Language Models
von: Luo, Jiayun, et al.
Veröffentlicht: (2023)

Echo-Path: Pathology-Conditioned Echo Video Generation
von: Muhammad, Kabir Hamzah, et al.
Veröffentlicht: (2025)

Causally Steered Diffusion for Automated Video Counterfactual Generation
von: Spyrou, Nikos, et al.
Veröffentlicht: (2025)

VideoMiner: Iteratively Grounding Key Frames of Hour-Long Videos via Tree-based Group Relative Policy Optimization
von: Cao, Xinye, et al.
Veröffentlicht: (2025)

DINOv3 Meets YOLO26 for Weed Detection in Vegetable Crops
von: Deng, Boyang, et al.
Veröffentlicht: (2026)

VisualNeedle: Benchmarking Active Visual Search in Information-Dense Scenes
von: Chen, Jingru, et al.
Veröffentlicht: (2026)

ViRED: Prediction of Visual Relations in Engineering Drawings
von: Gu, Chao, et al.
Veröffentlicht: (2024)

CrashChat: A Multimodal Large Language Model for Multitask Traffic Crash Video Analysis
von: Liang, Kaidi, et al.
Veröffentlicht: (2025)

Causality in Video Diffusers is Separable from Denoising
von: Bai, Xingjian, et al.
Veröffentlicht: (2026)

HiProbe-VAD: Video Anomaly Detection via Hidden States Probing in Tuning-Free Multimodal LLMs
von: Cai, Zhaolin, et al.
Veröffentlicht: (2025)

Unlocking the Essence of Beauty: Advanced Aesthetic Reasoning with Relative-Absolute Policy Optimization
von: Liu, Boyang, et al.
Veröffentlicht: (2025)

Audio-centric Video Understanding Benchmark without Text Shortcut
von: Yang, Yudong, et al.
Veröffentlicht: (2025)

Block Cascading: Training Free Acceleration of Block-Causal Video Models
von: Bandyopadhyay, Hmrishav, et al.
Veröffentlicht: (2025)

Precipitation Nowcasting Using Diffusion Transformer with Causal Attention
von: Li, ChaoRong, et al.
Veröffentlicht: (2024)

Dual-IPO: Dual-Iterative Preference Optimization for Text-to-Video Generation
von: Yang, Xiaomeng, et al.
Veröffentlicht: (2025)

CIDER: A Causal Cure for Brand-Obsessed Text-to-Image Models
von: Shen, Fangjian, et al.
Veröffentlicht: (2025)

AdaFocus: Adaptive Relevance-Diversity Sampling with Zero-Cache Look-back for Efficient Long Video Understanding
von: Yang, Xiao, et al.
Veröffentlicht: (2026)

Video-RAG: Visually-aligned Retrieval-Augmented Long Video Comprehension
von: Luo, Yongdong, et al.
Veröffentlicht: (2024)

VideoGuard: Protecting Video Content from Unauthorized Editing
von: Cao, Junjie, et al.
Veröffentlicht: (2025)

VideoQA in the Era of LLMs: An Empirical Study
von: Xiao, Junbin, et al.
Veröffentlicht: (2024)