Copertina

CI-VID: A Coherent Interleaved Text-Video Dataset

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Ju, Yiming, Hu, Jijin, Luo, Zhengxiong, Deng, Haoge, Zhao, hanyu, Du, Li, Wu, Chengwei, Hao, Donglin, Wang, Xinlong, Pan, Tengfei
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Computer Vision and Pattern Recognition
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

DataCube: A Video Retrieval Platform via Natural Language Semantic Profiling
di: Ju, Yiming, et al.
Pubblicazione: (2026)

You See it, You Got it: Learning 3D Creation on Pose-Free Videos at Scale
di: Ma, Baorui, et al.
Pubblicazione: (2024)

Autoregressive Video Generation without Vector Quantization
di: Deng, Haoge, et al.
Pubblicazione: (2024)

Beyond IID: Optimizing Instruction Learning from the Perspective of Instruction Interaction and Dependency
di: Zhao, Hanyu, et al.
Pubblicazione: (2024)

Scaling Towards the Information Boundary of Instruction Sets: The Infinity Instruct Subject Technical Report
di: Du, Li, et al.
Pubblicazione: (2025)

LINA: Linear Autoregressive Image Generative Models with Continuous Tokens
di: Wang, Jiahao, et al.
Pubblicazione: (2026)

XS-VID: An Extremely Small Video Object Detection Dataset
di: Guo, Jiahao, et al.
Pubblicazione: (2024)

SpatialVID: A Large-Scale Video Dataset with Spatial Annotations
di: Wang, Jiahao, et al.
Pubblicazione: (2025)

CoMM: A Coherent Interleaved Image-Text Dataset for Multimodal Understanding and Generation
di: Chen, Wei, et al.
Pubblicazione: (2024)

Mitigating Training Imbalance in LLM Fine-Tuning via Selective Parameter Merging
di: Ju, Yiming, et al.
Pubblicazione: (2024)

Video-in-the-Loop: Span-Grounded Long Video QA with Interleaved Reasoning
di: Wang, Chendong, et al.
Pubblicazione: (2025)

Uniform Discrete Diffusion with Metric Path for Video Generation
di: Deng, Haoge, et al.
Pubblicazione: (2025)

Mogao: An Omni Foundation Model for Interleaved Multi-Modal Generation
di: Liao, Chao, et al.
Pubblicazione: (2025)

MozzaVID: Mozzarella Volumetric Image Dataset
di: Pieta, Pawel Tomasz, et al.
Pubblicazione: (2024)

Interleaved Scene Graphs for Interleaved Text-and-Image Generation Assessment
di: Chen, Dongping, et al.
Pubblicazione: (2024)

Design-based Estimation Theory for Complex Experiments
di: Chang, Haoge
Pubblicazione: (2023)

UDM-GRPO: Stable and Efficient Group Relative Policy Optimization for Uniform Discrete Diffusion Models
di: Wang, Jiaqi, et al.
Pubblicazione: (2026)

FastVID: Dynamic Density Pruning for Fast Video Large Language Models
di: Shen, Leqi, et al.
Pubblicazione: (2025)

Accelerate Scaling of LLM Finetuning via Quantifying the Coverage and Depth of Instruction Set
di: Wu, Chengwei, et al.
Pubblicazione: (2025)

ClimateVID -- Social Media Videos Analysis and Challenges Involved
di: Xu, Shiqi, et al.
Pubblicazione: (2026)

Semantic-E2VID: a Semantic-Enriched Paradigm for Event-to-Video Reconstruction
di: Wu, Jingqian, et al.
Pubblicazione: (2025)

KeyVID: Keyframe-Aware Video Diffusion for Audio-Synchronized Visual Animation
di: Wang, Xingrui, et al.
Pubblicazione: (2025)

EVEv2: Improved Baselines for Encoder-Free Vision-Language Models
di: Diao, Haiwen, et al.
Pubblicazione: (2025)

ViTCoT: Video-Text Interleaved Chain-of-Thought for Boosting Video Understanding in Large Language Models
di: Zhang, Yongheng, et al.
Pubblicazione: (2025)

A Multiphase Interleaved SLH Converter With Feedforward Decoupling and Mode‐Switching for Hi‐Fi Audio
di: Chengguo Qian, et al.
Pubblicazione: (2026)

Interleave-VLA: Enhancing Robot Manipulation with Interleaved Image-Text Instructions
di: Fan, Cunxin, et al.
Pubblicazione: (2025)

Randomization Inference For the Always-Reporter Average Treatment Effect
di: Chang, Haoge, et al.
Pubblicazione: (2026)

Generation of Smoke Dataset for Power Equipment and Study of Image Semantic Segmentation
di: Rong Chang, et al.
Pubblicazione: (2024)

A High-Quality Dataset and Reliable Evaluation for Interleaved Image-Text Generation
di: Feng, Yukang, et al.
Pubblicazione: (2025)

Interleaving Reasoning for Better Text-to-Image Generation
di: Huang, Wenxuan, et al.
Pubblicazione: (2025)

Fine-grained spatial-temporal perception for gas leak segmentation
di: Zhao, Xinlong, et al.
Pubblicazione: (2025)

ATIR: Towards Audio-Text Interleaved Contextual Retrieval
di: Zhao, Tong, et al.
Pubblicazione: (2026)

Interleaved Speech-Text Language Models for Simple Streaming Text-to-Speech Synthesis
di: Yang, Yifan, et al.
Pubblicazione: (2024)

HyperE2VID: Improving Event-Based Video Reconstruction via Hypernetworks
di: Ercan, Burak, et al.
Pubblicazione: (2023)

SG2VID: Scene Graphs Enable Fine-Grained Control for Video Synthesis
di: Sivakumar, Ssharvien Kumar, et al.
Pubblicazione: (2025)

TVIR: Building Deep Research Agents Towards Text--Visual Interleaved Report Generation
di: Ma, Xinkai, et al.
Pubblicazione: (2026)

Scaling Speech-Text Pre-training with Synthetic Interleaved Data
di: Zeng, Aohan, et al.
Pubblicazione: (2024)

Boundary-Protection W8A8 HiFloat8 Quantization for Large-Scale Text-to-Video Diffusion Transformers
di: Zhao, Yiming
Pubblicazione: (2026)

MoSA: Motion-Coherent Human Video Generation via Structure-Appearance Decoupling
di: Wang, Haoyu, et al.
Pubblicazione: (2025)

Global Context Compression with Interleaved Vision-Text Transformation
di: Jiao, Dian, et al.
Pubblicazione: (2026)