Buchumschlag

VidEvent: A Large Dataset for Understanding Dynamic Evolution of Events in Videos

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liang, Baoyu, Su, Qile, Zhu, Shoutai, Liang, Yuchen, Tong, Chao
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

EventFormer: A Node-graph Hierarchical Attention Transformer for Action-centric Video Event Prediction
von: Su, Qile, et al.
Veröffentlicht: (2025)

A Survey of Video Datasets for Grounded Event Understanding
von: Sanders, Kate, et al.
Veröffentlicht: (2024)

Vid-SME: Membership Inference Attacks against Large Video Understanding Models
von: Li, Qi, et al.
Veröffentlicht: (2025)

Semantic Event Graphs for Long-Form Video Question Answering
von: Dixit, Aradhya, et al.
Veröffentlicht: (2026)

Event-VStream: Event-Driven Real-Time Understanding for Long Video Streams
von: Guo, Zhenghui, et al.
Veröffentlicht: (2026)

VidLaDA: Bidirectional Diffusion Large Language Models for Efficient Video Understanding
von: He, Zhihao, et al.
Veröffentlicht: (2026)

VidComposition: Can MLLMs Analyze Compositions in Compiled Videos?
von: Tang, Yolo Y., et al.
Veröffentlicht: (2024)

SurgVidLM: Towards Multi-grained Surgical Video Understanding with Large Language Model
von: Wang, Guankun, et al.
Veröffentlicht: (2025)

EventVL: Understand Event Streams via Multimodal Large Language Model
von: Li, Pengteng, et al.
Veröffentlicht: (2025)

BlobGEN-Vid: Compositional Text-to-Video Generation with Blob Video Representations
von: Feng, Weixi, et al.
Veröffentlicht: (2025)

EventSTR: A Benchmark Dataset and Baselines for Event Stream based Scene Text Recognition
von: Wang, Xiao, et al.
Veröffentlicht: (2025)

VidBridge-R1: Bridging QA and Captioning for RL-based Video Understanding Models with Intermediate Proxy Tasks
von: Chen, Xinlong, et al.
Veröffentlicht: (2025)

RelightVid: Temporal-Consistent Diffusion Model for Video Relighting
von: Fang, Ye, et al.
Veröffentlicht: (2025)

SafeVid: Toward Safety Aligned Video Large Multimodal Models
von: Wang, Yixu, et al.
Veröffentlicht: (2025)

Enhancing Long Video Understanding via Hierarchical Event-Based Memory
von: Cheng, Dingxin, et al.
Veröffentlicht: (2024)

VERHallu: Evaluating and Mitigating Event Relation Hallucination in Video Large Language Models
von: Zhang, Zefan, et al.
Veröffentlicht: (2026)

DropletVideo: A Dataset and Approach to Explore Integral Spatio-Temporal Consistent Video Generation
von: Zhang, Runze, et al.
Veröffentlicht: (2025)

AdaVid: Adaptive Video-Language Pretraining
von: Patel, Chaitanya, et al.
Veröffentlicht: (2025)

When and Where do Events Switch in Multi-Event Video Generation?
von: Liao, Ruotong, et al.
Veröffentlicht: (2025)

Video-EM: Event-Centric Episodic Memory for Long-Form Video Understanding
von: Wang, Yun, et al.
Veröffentlicht: (2025)

VidEgoThink: Assessing Egocentric Video Understanding Capabilities for Embodied AI
von: Cheng, Sijie, et al.
Veröffentlicht: (2024)

Event-Causal RAG: A Retrieval-Augmented Generation Framework for Long Video Reasoning in Complex Scenarios
von: Yan, Peizheng, et al.
Veröffentlicht: (2026)

InstructVid2Vid: Controllable Video Editing with Natural Language Instructions
von: Qin, Bosheng, et al.
Veröffentlicht: (2023)

VidTwin: Video VAE with Decoupled Structure and Dynamics
von: Wang, Yuchi, et al.
Veröffentlicht: (2024)

OTT-Vid: Optimal Transport Temporal Token Compression for Video Large Language Models
von: Kang, Minseok, et al.
Veröffentlicht: (2026)

VidDoS: Universal Denial-of-Service Attack on Video-based Large Language Models
von: Tang, Duoxun, et al.
Veröffentlicht: (2026)

Uneven Event Modeling for Partially Relevant Video Retrieval
von: Zhu, Sa, et al.
Veröffentlicht: (2025)

Leveraging the Video-level Semantic Consistency of Event for Audio-visual Event Localization
von: Jiang, Yuanyuan, et al.
Veröffentlicht: (2022)

CEIA: CLIP-Based Event-Image Alignment for Open-World Event-Based Understanding
von: Xu, Wenhao, et al.
Veröffentlicht: (2024)

VidVec: Unlocking Video MLLM Embeddings for Video-Text Retrieval
von: Tzachor, Issar, et al.
Veröffentlicht: (2026)

Localizing Events in Videos with Multimodal Queries
von: Zhang, Gengyuan, et al.
Veröffentlicht: (2024)

CrossVid: A Comprehensive Benchmark for Evaluating Cross-Video Reasoning in Multimodal Large Language Models
von: Li, Jingyao, et al.
Veröffentlicht: (2025)

Infer Induced Sentiment of Comment Response to Video: A New Task, Dataset and Baseline
von: Jia, Qi, et al.
Veröffentlicht: (2024)

MeteorPred: A Meteorological Multimodal Large Model and Dataset for Severe Weather Event Prediction
von: Tang, Shuo, et al.
Veröffentlicht: (2025)

RE-VLM: Event-Augmented Vision-Language Model for Scene Understanding
von: Liu, Hanqing, et al.
Veröffentlicht: (2026)

Fostering Video Reasoning via Next-Event Prediction
von: Wang, Haonan, et al.
Veröffentlicht: (2025)

Moment-Video: Diagnosing Temporal Fidelity of Video MLLMs on Momentary Visual Events
von: Liu, Xiaolin, et al.
Veröffentlicht: (2026)

VidPrism: Heterogeneous Mixture of Experts for Image-to-Video Transfer
von: Lin, Rui, et al.
Veröffentlicht: (2026)

Event-Enhanced Blurry Video Super-Resolution
von: Kai, Dachun, et al.
Veröffentlicht: (2025)

EdgeVidSum: Real-Time Personalized Video Summarization at the Edge
von: Mujtaba, Ghulam, et al.
Veröffentlicht: (2025)