VUDG: A Dataset for Video Understanding Domain Generalization
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Wang, Ziyi, Gao, Zhi, Yu, Boxuan, Dai, Zirui, Song, Yuxiang, Lu, Qingyuan, Chen, Jin, Wu, Xinxiao |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Simulate, Refocus and Ensemble: An Attention-Refocusing Scheme for Domain Generalization
par: Wang, Ziyi, et autres
Publié: (2025)
par: Wang, Ziyi, et autres
Publié: (2025)
LLM-powered Query Expansion for Enhancing Boundary Prediction in Language-driven Action Localization
par: Shang, Zirui, et autres
Publié: (2025)
par: Shang, Zirui, et autres
Publié: (2025)
Video Summarization using Denoising Diffusion Probabilistic Model
par: Shang, Zirui, et autres
Publié: (2024)
par: Shang, Zirui, et autres
Publié: (2024)
METOR: A Unified Framework for Mutual Enhancement of Objects and Relationships in Open-vocabulary Video Visual Relationship Detection
par: Wang, Yongqi, et autres
Publié: (2025)
par: Wang, Yongqi, et autres
Publié: (2025)
TongUI: Internet-Scale Trajectories from Multimodal Web Tutorials for Generalized GUI Agents
par: Zhang, Bofei, et autres
Publié: (2025)
par: Zhang, Bofei, et autres
Publié: (2025)
End-to-end Open-vocabulary Video Visual Relationship Detection using Multi-modal Prompting
par: Wang, Yongqi, et autres
Publié: (2024)
par: Wang, Yongqi, et autres
Publié: (2024)
VideoMem: Enhancing Ultra-Long Video Understanding via Adaptive Memory Management
par: Jin, Hongbo, et autres
Publié: (2025)
par: Jin, Hongbo, et autres
Publié: (2025)
GUIDE: Resolving Domain Bias in GUI Agents through Real-Time Web Video Retrieval and Plug-and-Play Annotation
par: Xie, Rui, et autres
Publié: (2026)
par: Xie, Rui, et autres
Publié: (2026)
Data-free Multi-label Image Recognition via LLM-powered Prompt Tuning
par: Yang, Shuo, et autres
Publié: (2024)
par: Yang, Shuo, et autres
Publié: (2024)
InternVid: A Large-scale Video-Text Dataset for Multimodal Understanding and Generation
par: Wang, Yi, et autres
Publié: (2023)
par: Wang, Yi, et autres
Publié: (2023)
EmoVid: A Multimodal Emotion Video Dataset for Emotion-Centric Video Understanding and Generation
par: Qiu, Zongyang, et autres
Publié: (2025)
par: Qiu, Zongyang, et autres
Publié: (2025)
OmniVid: A Generative Framework for Universal Video Understanding
par: Wang, Junke, et autres
Publié: (2024)
par: Wang, Junke, et autres
Publié: (2024)
LLM-enhanced Action-aware Multi-modal Prompt Tuning for Image-Text Matching
par: Tian, Mengxiao, et autres
Publié: (2025)
par: Tian, Mengxiao, et autres
Publié: (2025)
TempCompass: Do Video LLMs Really Understand Videos?
par: Liu, Yuanxin, et autres
Publié: (2024)
par: Liu, Yuanxin, et autres
Publié: (2024)
Learning Multi-Modal Prototypes for Cross-Domain Few-Shot Object Detection
par: Wang, Wanqi, et autres
Publié: (2026)
par: Wang, Wanqi, et autres
Publié: (2026)
Storyboard guided Alignment for Fine-grained Video Action Recognition
par: Liu, Enqi, et autres
Publié: (2024)
par: Liu, Enqi, et autres
Publié: (2024)
CoMM: A Coherent Interleaved Image-Text Dataset for Multimodal Understanding and Generation
par: Chen, Wei, et autres
Publié: (2024)
par: Chen, Wei, et autres
Publié: (2024)
HarmonySet: A Comprehensive Dataset for Understanding Video-Music Semantic Alignment and Temporal Synchronization
par: Zhou, Zitang, et autres
Publié: (2025)
par: Zhou, Zitang, et autres
Publié: (2025)
VideoAgent: A Memory-augmented Multimodal Agent for Video Understanding
par: Fan, Yue, et autres
Publié: (2024)
par: Fan, Yue, et autres
Publié: (2024)
Boosting Domain Generalized and Adaptive Detection with Diffusion Models: Fitness, Generalization, and Transferability
par: He, Boyong, et autres
Publié: (2025)
par: He, Boyong, et autres
Publié: (2025)
Taming Hallucinations: Boosting MLLMs' Video Understanding via Counterfactual Video Generation
par: Huang, Zhe, et autres
Publié: (2025)
par: Huang, Zhe, et autres
Publié: (2025)
WHALES: A Multi-Agent Scheduling Dataset for Enhanced Cooperation in Autonomous Driving
par: Wang, Yinsong, et autres
Publié: (2024)
par: Wang, Yinsong, et autres
Publié: (2024)
EarlyTom: Early Token Compression Completes Fast Video Understanding
par: Wang, Hesong, et autres
Publié: (2026)
par: Wang, Hesong, et autres
Publié: (2026)
Input-Aware Sparse Attention for Real-Time Co-Speech Video Generation
par: Lu, Beijia, et autres
Publié: (2025)
par: Lu, Beijia, et autres
Publié: (2025)
GIFT: Global Irreplaceability Frame Targeting for Efficient Video Understanding
par: Ma, Junpeng, et autres
Publié: (2026)
par: Ma, Junpeng, et autres
Publié: (2026)
UniVideo: Unified Understanding, Generation, and Editing for Videos
par: Wei, Cong, et autres
Publié: (2025)
par: Wei, Cong, et autres
Publié: (2025)
Modular-Cam: Modular Dynamic Camera-view Video Generation with LLM
par: Pan, Zirui, et autres
Publié: (2025)
par: Pan, Zirui, et autres
Publié: (2025)
Generalized Diffusion Detector: Mining Robust Features from Diffusion Models for Domain-Generalized Detection
par: He, Boyong, et autres
Publié: (2025)
par: He, Boyong, et autres
Publié: (2025)
Spacewalk-18: A Benchmark for Multimodal and Long-form Procedural Video Understanding in Novel Domains
par: Tang, Zitian, et autres
Publié: (2023)
par: Tang, Zitian, et autres
Publié: (2023)
AVOID: The Adverse Visual Conditions Dataset with Obstacles for Driving Scene Understanding
par: Jeong, Jongoh, et autres
Publié: (2025)
par: Jeong, Jongoh, et autres
Publié: (2025)
Diffusion Domain Teacher: Diffusion Guided Domain Adaptive Object Detector
par: He, Boyong, et autres
Publié: (2025)
par: He, Boyong, et autres
Publié: (2025)
A General Implicit Framework for Fast NeRF Composition and Rendering
par: Gao, Xinyu, et autres
Publié: (2023)
par: Gao, Xinyu, et autres
Publié: (2023)
Video-CoT: A Comprehensive Dataset for Spatiotemporal Understanding of Videos Based on Chain-of-Thought
par: Zhang, Shuyi, et autres
Publié: (2025)
par: Zhang, Shuyi, et autres
Publié: (2025)
LVC: A Lightweight Compression Framework for Enhancing VLMs in Long Video Understanding
par: Wang, Ziyi, et autres
Publié: (2025)
par: Wang, Ziyi, et autres
Publié: (2025)
FluxMem: Adaptive Hierarchical Memory for Streaming Video Understanding
par: Xie, Yiweng, et autres
Publié: (2026)
par: Xie, Yiweng, et autres
Publié: (2026)
Improving Language Understanding from Screenshots
par: Gao, Tianyu, et autres
Publié: (2024)
par: Gao, Tianyu, et autres
Publié: (2024)
AccVideo: Accelerating Video Diffusion Model with Synthetic Dataset
par: Zhang, Haiyu, et autres
Publié: (2025)
par: Zhang, Haiyu, et autres
Publié: (2025)
Decompositional Neural Scene Reconstruction with Generative Diffusion Prior
par: Ni, Junfeng, et autres
Publié: (2025)
par: Ni, Junfeng, et autres
Publié: (2025)
CineTrans: Learning to Generate Videos with Cinematic Transitions via Masked Diffusion Models
par: Wu, Xiaoxue, et autres
Publié: (2025)
par: Wu, Xiaoxue, et autres
Publié: (2025)
DiffCLIP: Leveraging Stable Diffusion for Language Grounded 3D Classification
par: Shen, Sitian, et autres
Publié: (2023)
par: Shen, Sitian, et autres
Publié: (2023)
Documents similaires
-
Simulate, Refocus and Ensemble: An Attention-Refocusing Scheme for Domain Generalization
par: Wang, Ziyi, et autres
Publié: (2025) -
LLM-powered Query Expansion for Enhancing Boundary Prediction in Language-driven Action Localization
par: Shang, Zirui, et autres
Publié: (2025) -
Video Summarization using Denoising Diffusion Probabilistic Model
par: Shang, Zirui, et autres
Publié: (2024) -
METOR: A Unified Framework for Mutual Enhancement of Objects and Relationships in Open-vocabulary Video Visual Relationship Detection
par: Wang, Yongqi, et autres
Publié: (2025) -
TongUI: Internet-Scale Trajectories from Multimodal Web Tutorials for Generalized GUI Agents
par: Zhang, Bofei, et autres
Publié: (2025)