Copertina

SceneRAG: Scene-level Retrieval-Augmented Generation for Video Understanding

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Zeng, Nianbo, Hou, Haowen, Yu, Fei Richard, Shi, Si, He, Ying Tiffany
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Computer Vision and Pattern Recognition Artificial Intelligence
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

SSEditor: Controllable Mask-to-Scene Generation with Diffusion Model
di: Zheng, Haowen, et al.
Pubblicazione: (2024)

RAG-3DSG: Enhancing 3D Scene Graphs with Re-Shot Guided Retrieval-Augmented Generation
di: Chang, Yue, et al.
Pubblicazione: (2026)

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

Scene Splatter: Momentum 3D Scene Generation from Single Image with Video Diffusion Model
di: Zhang, Shengjun, et al.
Pubblicazione: (2025)

ArtRAG: Retrieval-Augmented Generation with Structured Context for Visual Art Understanding
di: Wang, Shuai, et al.
Pubblicazione: (2025)

VideoRAG: Retrieval-Augmented Generation with Extreme Long-Context Videos
di: Ren, Xubin, et al.
Pubblicazione: (2025)

Revisit Human-Scene Interaction via Space Occupancy
di: Liu, Xinpeng, et al.
Pubblicazione: (2023)

Open-World 3D Scene Graph Generation for Retrieval-Augmented Reasoning
di: Yu, Fei, et al.
Pubblicazione: (2025)

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

SceneX: Procedural Controllable Large-scale Scene Generation
di: Zhou, Mengqi, et al.
Pubblicazione: (2024)

Lifting Unlabeled Internet-level Data for 3D Scene Understanding
di: Chen, Yixin, et al.
Pubblicazione: (2026)

Response-G1: Explicit Scene Graph Modeling for Proactive Streaming Video Understanding
di: Ma, Ke, et al.
Pubblicazione: (2026)

Enhancing Long Video Question Answering with Scene-Localized Frame Grouping
di: Yang, Xuyi, et al.
Pubblicazione: (2025)

MetaFind: Scene-Aware 3D Asset Retrieval for Coherent Metaverse Scene Generation
di: Pan, Zhenyu, et al.
Pubblicazione: (2025)

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

Mesh RAG: Retrieval Augmentation for Autoregressive Mesh Generation
di: Sun, Xiatao, et al.
Pubblicazione: (2025)

Attention Mechanism based Cognition-level Scene Understanding
di: Tang, Xuejiao, et al.
Pubblicazione: (2022)

FastV-RAG: Towards Fast and Fine-Grained Video QA with Retrieval-Augmented Generation
di: Li, Gen, et al.
Pubblicazione: (2026)

Evaluating Compositional Scene Understanding in Multimodal Generative Models
di: Fu, Shuhao, et al.
Pubblicazione: (2025)

HexPlane Representation for 3D Semantic Scene Understanding
di: Chen, Zeren, et al.
Pubblicazione: (2025)

IPFormer-VideoLLM: Enhancing Multi-modal Video Understanding for Multi-shot Scenes
di: Liang, Yujia, et al.
Pubblicazione: (2025)

Text-Scene: A Scene-to-Language Parsing Framework for 3D Scene Understanding
di: Li, Haoyuan, et al.
Pubblicazione: (2025)

Focus, Distinguish, and Prompt: Unleashing CLIP for Efficient and Flexible Scene Text Retrieval
di: Zeng, Gangyan, et al.
Pubblicazione: (2024)

SIMS: Simulating Stylized Human-Scene Interactions with Retrieval-Augmented Script Generation
di: Wang, Wenjia, et al.
Pubblicazione: (2024)

MTMamba: Enhancing Multi-Task Dense Scene Understanding by Mamba-Based Decoders
di: Lin, Baijiong, et al.
Pubblicazione: (2024)

VideoRAG: Retrieval-Augmented Generation over Video Corpus
di: Jeong, Soyeong, et al.
Pubblicazione: (2025)

VLADriver-RAG: Retrieval-Augmented Vision-Language-Action Models for Autonomous Driving
di: Zhao, Rui, et al.
Pubblicazione: (2026)

RegionRAG: Region-level Retrieval-Augmented Generation for Visual Document Understanding
di: Li, Yinglu, et al.
Pubblicazione: (2025)

ReconX: Reconstruct Any Scene from Sparse Views with Video Diffusion Model
di: Liu, Fangfu, et al.
Pubblicazione: (2024)

RAG-HAR: Retrieval Augmented Generation-based Human Activity Recognition
di: Sivaroopan, Nirhoshan, et al.
Pubblicazione: (2025)

Towards Holistic Surgical Scene Understanding
di: Valderrama, Natalia, et al.
Pubblicazione: (2022)

Towards Unified Surgical Scene Understanding:Bridging Reasoning and Grounding via MLLMs
di: Huang, Jincai, et al.
Pubblicazione: (2026)

MV-RAG: Retrieval Augmented Multiview Diffusion
di: Dayani, Yosef, et al.
Pubblicazione: (2025)

Leveraging Retrieval-Augmented Tags for Large Vision-Language Understanding in Complex Scenes
di: Rivera, Antonio Carlos, et al.
Pubblicazione: (2024)

PaintScene4D: Consistent 4D Scene Generation from Text Prompts
di: Gupta, Vinayak, et al.
Pubblicazione: (2024)

Compositional 4D Dynamic Scenes Understanding with Physics Priors for Video Question Answering
di: Wang, Xingrui, et al.
Pubblicazione: (2024)

Audio-Driven Talking Face Video Generation with Joint Uncertainty Learning
di: Xie, Yifan, et al.
Pubblicazione: (2025)

QualiRAG: Retrieval-Augmented Generation for Visual Quality Understanding
di: Cao, Linhan, et al.
Pubblicazione: (2026)

BEV-TSR: Text-Scene Retrieval in BEV Space for Autonomous Driving
di: Tang, Tao, et al.
Pubblicazione: (2024)

DOCTR: Disentangled Object-Centric Transformer for Point Scene Understanding
di: Yu, Xiaoxuan, et al.
Pubblicazione: (2024)