Buchumschlag

Segment Any 3D-Part in a Scene from a Sentence

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wu, Hongyu, Yang, Pengwan, Asano, Yuki M., Snoek, Cees G. M.
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

PIN: Positional Insert Unlocks Object Localisation Abilities in VLMs
von: Dorkenwald, Michael, et al.
Veröffentlicht: (2024)

Elastic ViTs from Pretrained Models without Retraining
von: Simoncini, Walter, et al.
Veröffentlicht: (2025)

Redefining Normal: A Novel Object-Level Approach for Multi-Object Novelty Detection
von: Salehi, Mohammadreza, et al.
Veröffentlicht: (2024)

Lost in Time: A New Temporal Benchmark for VideoLLMs
von: Cores, Daniel, et al.
Veröffentlicht: (2024)

Any-Shift Prompting for Generalization over Distributions
von: Xiao, Zehao, et al.
Veröffentlicht: (2024)

MoSiC: Optimal-Transport Motion Trajectory for Dense Self-Supervised Learning
von: Salehi, Mohammadreza, et al.
Veröffentlicht: (2025)

GeneralAD: Anomaly Detection Across Domains by Attending to Distorted Features
von: Sträter, Luc P. J., et al.
Veröffentlicht: (2024)

SIGMA: Sinkhorn-Guided Masked Video Modeling
von: Salehi, Mohammadreza, et al.
Veröffentlicht: (2024)

SelEx: Self-Expertise in Fine-Grained Generalized Category Discovery
von: Rastegar, Sarah, et al.
Veröffentlicht: (2024)

SimPLR: A Simple and Plain Transformer for Efficient Object Detection and Segmentation
von: Nguyen, Duy-Kien, et al.
Veröffentlicht: (2023)

QUOTA: Quantifying Objects with Text-to-Image Models for Any Domain
von: Sun, Wenfang, et al.
Veröffentlicht: (2024)

TWIST & SCOUT: Grounding Multimodal LLM-Experts by Forget-Free Tuning
von: Bhowmik, Aritra, et al.
Veröffentlicht: (2024)

TULIP: Token-length Upgraded CLIP
von: Najdenkoska, Ivona, et al.
Veröffentlicht: (2024)

Prompt Diffusion Robustifies Any-Modality Prompt Learning
von: Du, Yingjun, et al.
Veröffentlicht: (2024)

Training-Free Semantic Segmentation via LLM-Supervision
von: Sun, Wenfang, et al.
Veröffentlicht: (2024)

Low-Resource Vision Challenges for Foundation Models
von: Zhang, Yunhua, et al.
Veröffentlicht: (2024)

SAMPart3D: Segment Any Part in 3D Objects
von: Yang, Yunhan, et al.
Veröffentlicht: (2024)

SAI3D: Segment Any Instance in 3D Scenes
von: Yin, Yingda, et al.
Veröffentlicht: (2023)

SAS: Segment Any 3D Scene with Integrated 2D Priors
von: Li, Zhuoyuan, et al.
Veröffentlicht: (2025)

Commonsense Video Question Answering through Video-Grounded Entailment Tree Reasoning
von: Liu, Huabin, et al.
Veröffentlicht: (2025)

Dual Guidance Semi-Supervised Action Detection
von: Singh, Ankit, et al.
Veröffentlicht: (2025)

SuperDisco: Super-Class Discovery Improves Visual Recognition for the Long-Tail
von: Du, Yingjun, et al.
Veröffentlicht: (2023)

IPO: Interpretable Prompt Optimization for Vision-Language Models
von: Du, Yingjun, et al.
Veröffentlicht: (2024)

LocoMotion: Learning Motion-Focused Video-Language Representations
von: Doughty, Hazel, et al.
Veröffentlicht: (2024)

Segment Any 3D Gaussians
von: Cen, Jiazhong, et al.
Veröffentlicht: (2023)

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

MoAlign: Motion-Centric Representation Alignment for Video Diffusion Models
von: Bhowmik, Aritra, et al.
Veröffentlicht: (2025)

RegionReasoner: Region-Grounded Multi-Round Visual Reasoning
von: Sun, Wenfang, et al.
Veröffentlicht: (2026)

Find Any Part in 3D
von: Ma, Ziqi, et al.
Veröffentlicht: (2024)

SAMSelect: A Spectral Index Search for Marine Debris Visualization using Segment Anything
von: van Dalen, Joost, et al.
Veröffentlicht: (2025)

Union-over-Intersections: Object Detection beyond Winner-Takes-All
von: Bhowmik, Aritra, et al.
Veröffentlicht: (2023)

Crane: Context-Guided Prompt Learning and Attention Refinement for Zero-Shot Anomaly Detection
von: Salehi, Alireza, et al.
Veröffentlicht: (2025)

FVO: Fast Visual Odometry with Transformers
von: Yugay, Vlardimir, et al.
Veröffentlicht: (2025)

Segment Any 4D Gaussians
von: Ji, Shengxiang, et al.
Veröffentlicht: (2024)

NeoBabel: A Multilingual Open Tower for Visual Generation
von: Derakhshani, Mohammad Mahdi, et al.
Veröffentlicht: (2025)

The Sound of Water: Inferring Physical Properties from Pouring Liquids
von: Bagad, Piyush, et al.
Veröffentlicht: (2024)

SA3DIP: Segment Any 3D Instance with Potential 3D Priors
von: Yang, Xi, et al.
Veröffentlicht: (2024)

Auto-Vocabulary Semantic Segmentation
von: Ülger, Osman, et al.
Veröffentlicht: (2023)

Any 3D Scene is Worth 1K Tokens: 3D-Grounded Representation for Scene Generation at Scale
von: Wei, Dongxu, et al.
Veröffentlicht: (2026)

AnimateScene: Camera-controllable Animation in Any Scene
von: Liu, Qingyang, et al.
Veröffentlicht: (2025)