Buchumschlag

BiMa: Towards Biases Mitigation for Text-Video Retrieval via Scene Element Guidance

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Le, Huy, Chung, Nhat, Kieu, Tung, Nguyen, Anh, Le, Ngan
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

WAVER: Writing-style Agnostic Text-Video Retrieval via Distilling Vision-Language Models Through Open-Vocabulary Knowledge
von: Le, Huy, et al.
Veröffentlicht: (2023)

UNO: Unifying One-stage Video Scene Graph Generation via Object-Centric Visual Representation Learning
von: Le, Huy, et al.
Veröffentlicht: (2025)

SlotVLA: Towards Modeling of Object-Relation Representations in Robotic Manipulation
von: Hanyu, Taisei, et al.
Veröffentlicht: (2025)

Rethinking Progression of Memory State in Robotic Manipulation: An Object-Centric Perspective
von: Chung, Nhat, et al.
Veröffentlicht: (2025)

Linguistically Informed Multimodal Fusion for Vietnamese Scene-Text Image Captioning: Dataset, Graph Framework, and Phonological Attention
von: Nguyen, Nhi Ngoc-Yen, et al.
Veröffentlicht: (2026)

RAPID: Retrieval-Augmented Parallel Inference Drafting for Text-Based Video Event Retrieval
von: Nguyen, Long, et al.
Veröffentlicht: (2025)

ViConsFormer: Constituting Meaningful Phrases of Scene Texts using Transformer-based Method in Vietnamese Text-based Visual Question Answering
von: Nguyen, Nghia Hieu, et al.
Veröffentlicht: (2024)

CADKnitter: Compositional CAD Generation from Text and Geometry Guidance
von: Le, Tri, et al.
Veröffentlicht: (2025)

Language-Driven 6-DoF Grasp Detection Using Negative Prompt Guidance
von: Nguyen, Toan, et al.
Veröffentlicht: (2024)

Multimodal Contextualized Support for Enhancing Video Retrieval System
von: Nguyen-Le, Quoc-Bao, et al.
Veröffentlicht: (2024)

Advancing Vietnamese Visual Question Answering with Transformer and Convolutional Integration
von: Nguyen, Ngoc Son, et al.
Veröffentlicht: (2024)

PGDS: Pose-Guidance Deep Supervision for Mitigating Clothes-Changing in Person Re-Identification
von: Trinh, Quoc-Huy, et al.
Veröffentlicht: (2023)

VIGiA: Instructional Video Guidance via Dialogue Reasoning and Retrieval
von: Glória-Silva, Diogo, et al.
Veröffentlicht: (2026)

Revisit Visual Prompt Tuning: The Expressiveness of Prompt Experts
von: Le, Minh, et al.
Veröffentlicht: (2025)

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

EgoMusic-driven Human Dance Motion Estimation with Skeleton Mamba
von: Nguyen, Quang, et al.
Veröffentlicht: (2025)

Learning Human Motion with Temporally Conditional Mamba
von: Nguyen, Quang, et al.
Veröffentlicht: (2025)

End-to-End Chatbot Evaluation with Adaptive Reasoning and Uncertainty Filtering
von: Dang, Nhi, et al.
Veröffentlicht: (2026)

Link prediction Graph Neural Networks for structure recognition of Handwritten Mathematical Expressions
von: Nguyen, Cuong Tuan, et al.
Veröffentlicht: (2025)

Towards Efficient and Robust Moment Retrieval System: A Unified Framework for Multi-Granularity Models and Temporal Reranking
von: Tran, Huu-Loc, et al.
Veröffentlicht: (2025)

Towards Comprehensive Vietnamese Retrieval-Augmented Generation and Large Language Models
von: Duc, Nguyen Quang, et al.
Veröffentlicht: (2024)

CLEAR: Causal Learning Framework For Robust Histopathology Tumor Detection Under Out-Of-Distribution Shifts
von: Thi, Kieu-Anh Truong, et al.
Veröffentlicht: (2025)

READ: Recurrent Adapter with Partial Video-Language Alignment for Parameter-Efficient Transfer Learning in Low-Resource Video-Language Modeling
von: Nguyen, Thong, et al.
Veröffentlicht: (2023)

Text-Video Retrieval via Variational Multi-Modal Hypergraph Networks
von: Li, Qian, et al.
Veröffentlicht: (2024)

Progressive Multi-granular Alignments for Grounded Reasoning in Large Vision-Language Models
von: Le, Quang-Hung, et al.
Veröffentlicht: (2024)

Lightweight Language-driven Grasp Detection using Conditional Consistency Model
von: Nguyen, Nghia, et al.
Veröffentlicht: (2024)

MAMA: Meta-optimized Angular Margin Contrastive Framework for Video-Language Representation Learning
von: Nguyen, Thong, et al.
Veröffentlicht: (2024)

Universal Multi-Domain Translation via Diffusion Routers
von: Kieu, Duc, et al.
Veröffentlicht: (2025)

Studying and Mitigating Biases in Sign Language Understanding Models
von: Atwell, Katherine, et al.
Veröffentlicht: (2024)

HAtt-Flow: Hierarchical Attention-Flow Mechanism for Group Activity Scene Graph Generation in Videos
von: Chappa, Naga VS Raviteja, et al.
Veröffentlicht: (2023)

MedSteer: Counterfactual Endoscopic Synthesis via Training-Free Activation Steering
von: Pham, Trong-Thang, et al.
Veröffentlicht: (2026)

Training-free Guidance in Text-to-Video Generation via Multimodal Planning and Structured Noise Initialization
von: Li, Jialu, et al.
Veröffentlicht: (2025)

Stratified Domain Adaptation: A Progressive Self-Training Approach for Scene Text Recognition
von: Le, Kha Nhat, et al.
Veröffentlicht: (2024)

A Lightweight Moment Retrieval System with Global Re-Ranking and Robust Adaptive Bidirectional Temporal Search
von: Nguyen-Nhu, Tinh-Anh, et al.
Veröffentlicht: (2025)

Beyond Coarse-Grained Matching in Video-Text Retrieval
von: Chen, Aozhu, et al.
Veröffentlicht: (2024)

Towards Text-Image Interleaved Retrieval
von: Zhang, Xin, et al.
Veröffentlicht: (2025)

Multi-scale Coarse-to-fine Modeling for Test-time Human Motion Control
von: Le, Nhat, et al.
Veröffentlicht: (2026)

HENASY: Learning to Assemble Scene-Entities for Egocentric Video-Language Model
von: Vo, Khoa, et al.
Veröffentlicht: (2024)

Conversation Understanding using Relational Temporal Graph Neural Networks with Auxiliary Cross-Modality Interaction
von: Nguyen, Cam-Van Thi, et al.
Veröffentlicht: (2023)

The Devil is in the Prompts: Retrieval-Augmented Prompt Optimization for Text-to-Video Generation
von: Gao, Bingjie, et al.
Veröffentlicht: (2025)