Enregistré dans:
| Auteurs principaux: | Wang, Song, Fang, Gongfan, Kong, Lingdong, Li, Xiangtai, Xu, Jianyun, Yang, Sheng, Li, Qiang, Zhu, Jianke, Wang, Xinchao |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | https://arxiv.org/abs/2505.23727 |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Diversity-Guided MLP Reduction for Efficient Large Vision Transformers
par: Shen, Chengchao, et autres
Publié: (2025)
par: Shen, Chengchao, et autres
Publié: (2025)
PointLoRA: Low-Rank Adaptation with Token Selection for Point Cloud Learning
par: Wang, Song, et autres
Publié: (2025)
par: Wang, Song, et autres
Publié: (2025)
Open-o3-Video: Grounded Video Reasoning with Explicit Spatio-Temporal Evidence
par: Meng, Jiahao, et autres
Publié: (2025)
par: Meng, Jiahao, et autres
Publié: (2025)
Context and Pixel Aware Large Language Model for Video Quality Assessment
par: Wen, Wen, et autres
Publié: (2025)
par: Wen, Wen, et autres
Publié: (2025)
EditMGT: Unleashing Potentials of Masked Generative Transformers in Image Editing
par: Chow, Wei, et autres
Publié: (2025)
par: Chow, Wei, et autres
Publié: (2025)
MERIT: Multilingual Semantic Retrieval with Interleaved Multi-Condition Query
par: Chow, Wei, et autres
Publié: (2025)
par: Chow, Wei, et autres
Publié: (2025)
Food Portion Estimation: From Pixels to Calories
par: Vinod, Gautham, et autres
Publié: (2026)
par: Vinod, Gautham, et autres
Publié: (2026)
PixCLIP: Achieving Fine-grained Visual Language Understanding via Any-granularity Pixel-Text Alignment Learning
par: Xiao, Yicheng, et autres
Publié: (2025)
par: Xiao, Yicheng, et autres
Publié: (2025)
HiDream-O1-Image: A Natively Unified Image Generative Foundation Model with Pixel-level Unified Transformer
par: Cai, Qi, et autres
Publié: (2026)
par: Cai, Qi, et autres
Publié: (2026)
ReasonMap: Towards Fine-Grained Visual Reasoning from Transit Maps
par: Feng, Sicheng, et autres
Publié: (2025)
par: Feng, Sicheng, et autres
Publié: (2025)
OmniAvatar: Efficient Audio-Driven Avatar Video Generation with Adaptive Body Animation
par: Gan, Qijun, et autres
Publié: (2025)
par: Gan, Qijun, et autres
Publié: (2025)
Event Camera Demosaicing via Swin Transformer and Pixel-focus Loss
par: Lu, Yunfan, et autres
Publié: (2024)
par: Lu, Yunfan, et autres
Publié: (2024)
PianoMotion10M: Dataset and Benchmark for Hand Motion Generation in Piano Performance
par: Gan, Qijun, et autres
Publié: (2024)
par: Gan, Qijun, et autres
Publié: (2024)
Reverse Region-to-Entity Annotation for Pixel-Level Visual Entity Linking
par: Xu, Zhengfei, et autres
Publié: (2024)
par: Xu, Zhengfei, et autres
Publié: (2024)
From Pixels to Feelings: Aligning MLLMs with Human Cognitive Perception of Images
par: Chen, Yiming, et autres
Publié: (2025)
par: Chen, Yiming, et autres
Publié: (2025)
FlashSplat: 2D to 3D Gaussian Splatting Segmentation Solved Optimally
par: Shen, Qiuhong, et autres
Publié: (2024)
par: Shen, Qiuhong, et autres
Publié: (2024)
CoPRS: Learning Positional Prior from Chain-of-Thought for Reasoning Segmentation
par: Lu, Zhenyu, et autres
Publié: (2025)
par: Lu, Zhenyu, et autres
Publié: (2025)
PixelatedScatter: Arbitrary-level Visual Abstraction for Large-scale Multiclass Scatterplots
par: Guo, Ziheng, et autres
Publié: (2025)
par: Guo, Ziheng, et autres
Publié: (2025)
D-FCGS: Feedforward Compression of Dynamic Gaussian Splatting for Free-Viewpoint Videos
par: Zhang, Wenkang, et autres
Publié: (2025)
par: Zhang, Wenkang, et autres
Publié: (2025)
Grounded Chain-of-Thought for Multimodal Large Language Models
par: Wu, Qiong, et autres
Publié: (2025)
par: Wu, Qiong, et autres
Publié: (2025)
Chain-of-Thought Compression Should Not Be Blind: V-Skip for Efficient Multimodal Reasoning via Dual-Path Anchoring
par: Zhang, Dongxu, et autres
Publié: (2026)
par: Zhang, Dongxu, et autres
Publié: (2026)
EgoTextVQA: Towards Egocentric Scene-Text Aware Video Question Answering
par: Zhou, Sheng, et autres
Publié: (2025)
par: Zhou, Sheng, et autres
Publié: (2025)
Harmonizing Pixels and Melodies: Maestro-Guided Film Score Generation and Composition Style Transfer
par: Qi, F., et autres
Publié: (2024)
par: Qi, F., et autres
Publié: (2024)
PixelBoost: Leveraging Brownian Motion for Realistic-Image Super-Resolution
par: Mishra, Aradhana, et autres
Publié: (2025)
par: Mishra, Aradhana, et autres
Publié: (2025)
StableMoFusion: Towards Robust and Efficient Diffusion-based Motion Generation Framework
par: Huang, Yiheng, et autres
Publié: (2024)
par: Huang, Yiheng, et autres
Publié: (2024)
Truth in the Few: High-Value Data Selection for Efficient Multi-Modal Reasoning
par: Li, Shenshen, et autres
Publié: (2025)
par: Li, Shenshen, et autres
Publié: (2025)
CATRF: Codec-Adaptive TriPlane Radiance Fields for Volumetric Content Delivery
par: Chen, Tung-I, et autres
Publié: (2026)
par: Chen, Tung-I, et autres
Publié: (2026)
ReactDiff: Latent Diffusion for Facial Reaction Generation
par: Li, Jiaming, et autres
Publié: (2025)
par: Li, Jiaming, et autres
Publié: (2025)
SpecFLASH: A Latent-Guided Semi-autoregressive Speculative Decoding Framework for Efficient Multimodal Generation
par: Wang, Zihua, et autres
Publié: (2025)
par: Wang, Zihua, et autres
Publié: (2025)
Parameter-Efficient Subspace Decoupling ViT for Mitigating Multi-Task Negative Transfer in Histological Scoring
par: Huang, Youhan, et autres
Publié: (2026)
par: Huang, Youhan, et autres
Publié: (2026)
Towards Realistic Low-Light Image Enhancement via ISP Driven Data Modeling
par: Wang, Zhihua, et autres
Publié: (2025)
par: Wang, Zhihua, et autres
Publié: (2025)
Generating Attribute-Aware Human Motions from Textual Prompt
par: Wang, Xinghan, et autres
Publié: (2025)
par: Wang, Xinghan, et autres
Publié: (2025)
FakingRecipe: Detecting Fake News on Short Video Platforms from the Perspective of Creative Process
par: Bu, Yuyan, et autres
Publié: (2024)
par: Bu, Yuyan, et autres
Publié: (2024)
Beyond Walking: A Large-Scale Image-Text Benchmark for Text-based Person Anomaly Search
par: Yang, Shuyu, et autres
Publié: (2024)
par: Yang, Shuyu, et autres
Publié: (2024)
ExpLLM: Towards Chain of Thought for Facial Expression Recognition
par: Lan, Xing, et autres
Publié: (2024)
par: Lan, Xing, et autres
Publié: (2024)
Vista3D: Unravel the 3D Darkside of a Single Image
par: Shen, Qiuhong, et autres
Publié: (2024)
par: Shen, Qiuhong, et autres
Publié: (2024)
PathVLM-R1: A Reinforcement Learning-Driven Reasoning Model for Pathology Visual-Language Tasks
par: Wu, Jianyu, et autres
Publié: (2025)
par: Wu, Jianyu, et autres
Publié: (2025)
ConciseHint: Boosting Efficient Reasoning via Continuous Concise Hints during Generation
par: Tang, Siao, et autres
Publié: (2025)
par: Tang, Siao, et autres
Publié: (2025)
ForestHG-Trace: Traceable Long-Horizon Ecological Reasoning over Large-Scale Forest Scenes
par: Cheng, Zihang, et autres
Publié: (2026)
par: Cheng, Zihang, et autres
Publié: (2026)
MSVBench: Towards Human-Level Evaluation of Multi-Shot Video Generation
par: Shi, Haoyuan, et autres
Publié: (2026)
par: Shi, Haoyuan, et autres
Publié: (2026)
Documents similaires
-
Diversity-Guided MLP Reduction for Efficient Large Vision Transformers
par: Shen, Chengchao, et autres
Publié: (2025) -
PointLoRA: Low-Rank Adaptation with Token Selection for Point Cloud Learning
par: Wang, Song, et autres
Publié: (2025) -
Open-o3-Video: Grounded Video Reasoning with Explicit Spatio-Temporal Evidence
par: Meng, Jiahao, et autres
Publié: (2025) -
Context and Pixel Aware Large Language Model for Video Quality Assessment
par: Wen, Wen, et autres
Publié: (2025) -
EditMGT: Unleashing Potentials of Masked Generative Transformers in Image Editing
par: Chow, Wei, et autres
Publié: (2025)