Boosting Temporal Sentence Grounding via Causal Inference
Fuente:
arXiv
Salvato in:
| Autori principali: | Tang, Kefan, He, Lihuo, Dang, Jisheng, Gao, Xinbo |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2025
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Hierarchical Local-Global Transformer for Temporal Sentence Grounding
di: Fang, Xiang, et al.
Pubblicazione: (2022)
di: Fang, Xiang, et al.
Pubblicazione: (2022)
ChatVTG: Video Temporal Grounding via Chat with Video Dialogue Large Language Models
di: Qu, Mengxue, et al.
Pubblicazione: (2024)
di: Qu, Mengxue, et al.
Pubblicazione: (2024)
Enrich and Detect: Video Temporal Grounding with Multimodal LLMs
di: Pramanick, Shraman, et al.
Pubblicazione: (2025)
di: Pramanick, Shraman, et al.
Pubblicazione: (2025)
Text-controlled Motion Mamba: Text-Instructed Temporal Grounding of Human Motion
di: Wang, Xinghan, et al.
Pubblicazione: (2024)
di: Wang, Xinghan, et al.
Pubblicazione: (2024)
SpikeMba: Multi-Modal Spiking Saliency Mamba for Temporal Video Grounding
di: Li, Wenrui, et al.
Pubblicazione: (2024)
di: Li, Wenrui, et al.
Pubblicazione: (2024)
Zero-Shot Visual Grounding in 3D Gaussians via View Retrieval
di: Liao, Liwei, et al.
Pubblicazione: (2025)
di: Liao, Liwei, et al.
Pubblicazione: (2025)
ASAP: Advancing Semantic Alignment Promotes Multi-Modal Manipulation Detecting and Grounding
di: Zhang, Zhenxing, et al.
Pubblicazione: (2024)
di: Zhang, Zhenxing, et al.
Pubblicazione: (2024)
Robust Mesh Saliency Ground Truth Acquisition in VR via View Cone Sampling and Manifold Diffusion
di: Zheng, Guoquan, et al.
Pubblicazione: (2026)
di: Zheng, Guoquan, et al.
Pubblicazione: (2026)
Spatial-Temporal Human-Object Interaction Detection
di: Sun, Xu, et al.
Pubblicazione: (2025)
di: Sun, Xu, et al.
Pubblicazione: (2025)
Grounding is All You Need? Dual Temporal Grounding for Video Dialog
di: Qin, You, et al.
Pubblicazione: (2024)
di: Qin, You, et al.
Pubblicazione: (2024)
Deep Boosting Learning: A Brand-new Cooperative Approach for Image-Text Matching
di: Diao, Haiwen, et al.
Pubblicazione: (2024)
di: Diao, Haiwen, et al.
Pubblicazione: (2024)
Factorized Learning for Temporally Grounded Video-Language Models
di: Zeng, Wenzheng, et al.
Pubblicazione: (2025)
di: Zeng, Wenzheng, et al.
Pubblicazione: (2025)
CASR: Refining Action Segmentation via Marginalizing Frame-levle Causal Relationships
di: Du, Keqing, et al.
Pubblicazione: (2023)
di: Du, Keqing, et al.
Pubblicazione: (2023)
VG-TVP: Multimodal Procedural Planning via Visually Grounded Text-Video Prompting
di: Ilaslan, Muhammet Furkan, et al.
Pubblicazione: (2024)
di: Ilaslan, Muhammet Furkan, et al.
Pubblicazione: (2024)
VAGU & GtS: LLM-Based Benchmark and Framework for Joint Video Anomaly Grounding and Understanding
di: Gao, Shibo, et al.
Pubblicazione: (2025)
di: Gao, Shibo, et al.
Pubblicazione: (2025)
FCBoost-Net: A Generative Network for Synthesizing Multiple Collocated Outfits via Fashion Compatibility Boosting
di: Zhou, Dongliang, et al.
Pubblicazione: (2025)
di: Zhou, Dongliang, et al.
Pubblicazione: (2025)
Pursuing Temporal-Consistent Video Virtual Try-On via Dynamic Pose Interaction
di: Li, Dong, et al.
Pubblicazione: (2025)
di: Li, Dong, et al.
Pubblicazione: (2025)
AsyReC: A Multimodal Graph-based Framework for Spatio-Temporal Asymmetric Dyadic Relationship Classification
di: Tang, Wang, et al.
Pubblicazione: (2025)
di: Tang, Wang, et al.
Pubblicazione: (2025)
4D Gaussian Splatting with Scale-aware Residual Field and Adaptive Optimization for Real-time Rendering of Temporally Complex Dynamic Scenes
di: Yan, Jinbo, et al.
Pubblicazione: (2024)
di: Yan, Jinbo, et al.
Pubblicazione: (2024)
Causal Debiasing for Visual Commonsense Reasoning
di: Zou, Jiayi, et al.
Pubblicazione: (2025)
di: Zou, Jiayi, et al.
Pubblicazione: (2025)
SynopGround: A Large-Scale Dataset for Multi-Paragraph Video Grounding from TV Dramas and Synopses
di: Tan, Chaolei, et al.
Pubblicazione: (2024)
di: Tan, Chaolei, et al.
Pubblicazione: (2024)
Connecting Giants: Synergistic Knowledge Transfer of Large Multimodal Models for Few-Shot Learning
di: Tang, Hao, et al.
Pubblicazione: (2025)
di: Tang, Hao, et al.
Pubblicazione: (2025)
Divide-and-Conquer: Confluent Triple-Flow Network for RGB-T Salient Object Detection
di: Tang, Hao, et al.
Pubblicazione: (2024)
di: Tang, Hao, et al.
Pubblicazione: (2024)
Visual Grounding with Multi-modal Conditional Adaptation
di: Yao, Ruilin, et al.
Pubblicazione: (2024)
di: Yao, Ruilin, et al.
Pubblicazione: (2024)
Language-Guided Diffusion Model for Visual Grounding
di: Chen, Sijia, et al.
Pubblicazione: (2023)
di: Chen, Sijia, et al.
Pubblicazione: (2023)
Boosting Diffusion Models with Moving Average Sampling in Frequency Domain
di: Qian, Yurui, et al.
Pubblicazione: (2024)
di: Qian, Yurui, et al.
Pubblicazione: (2024)
Grounded Chain-of-Thought for Multimodal Large Language Models
di: Wu, Qiong, et al.
Pubblicazione: (2025)
di: Wu, Qiong, et al.
Pubblicazione: (2025)
Exploring Phrase-Level Grounding with Text-to-Image Diffusion Model
di: Yang, Danni, et al.
Pubblicazione: (2024)
di: Yang, Danni, et al.
Pubblicazione: (2024)
Scene-Text Grounding for Text-Based Video Question Answering
di: Zhou, Sheng, et al.
Pubblicazione: (2024)
di: Zhou, Sheng, et al.
Pubblicazione: (2024)
Improving Multi-modal Large Language Model through Boosting Vision Capabilities
di: Sun, Yanpeng, et al.
Pubblicazione: (2024)
di: Sun, Yanpeng, et al.
Pubblicazione: (2024)
Open-o3-Video: Grounded Video Reasoning with Explicit Spatio-Temporal Evidence
di: Meng, Jiahao, et al.
Pubblicazione: (2025)
di: Meng, Jiahao, et al.
Pubblicazione: (2025)
Dual Attribute-Spatial Relation Alignment for 3D Visual Grounding
di: Xu, Yue, et al.
Pubblicazione: (2024)
di: Xu, Yue, et al.
Pubblicazione: (2024)
Instruction-Grounded Visual Projectors for Continual Learning of Generative Vision-Language Models
di: Jin, Hyundong, et al.
Pubblicazione: (2025)
di: Jin, Hyundong, et al.
Pubblicazione: (2025)
Unify-Agent: A Unified Multimodal Agent for World-Grounded Image Synthesis
di: Chen, Shuang, et al.
Pubblicazione: (2026)
di: Chen, Shuang, et al.
Pubblicazione: (2026)
Towards Signboard-Oriented Visual Question Answering: ViSignVQA Dataset, Method and Benchmark
di: Nguyen, Hieu Minh, et al.
Pubblicazione: (2025)
di: Nguyen, Hieu Minh, et al.
Pubblicazione: (2025)
ESG-Net: Event-Aware Semantic Guided Network for Dense Audio-Visual Event Localization
di: Li, Huilai, et al.
Pubblicazione: (2025)
di: Li, Huilai, et al.
Pubblicazione: (2025)
Multiple Contexts and Frequencies Aggregation Network forDeepfake Detection
di: Li, Zifeng, et al.
Pubblicazione: (2024)
di: Li, Zifeng, et al.
Pubblicazione: (2024)
Modality-Aware Shot Relating and Comparing for Video Scene Detection
di: Tan, Jiawei, et al.
Pubblicazione: (2024)
di: Tan, Jiawei, et al.
Pubblicazione: (2024)
Fine-grained Image Retrieval via Dual-Vision Adaptation
di: Jiang, Xin, et al.
Pubblicazione: (2025)
di: Jiang, Xin, et al.
Pubblicazione: (2025)
Rethinking Radiology Report Generation via Causal Inspired Counterfactual Augmentation
di: Song, Xiao, et al.
Pubblicazione: (2023)
di: Song, Xiao, et al.
Pubblicazione: (2023)
Documenti analoghi
-
Hierarchical Local-Global Transformer for Temporal Sentence Grounding
di: Fang, Xiang, et al.
Pubblicazione: (2022) -
ChatVTG: Video Temporal Grounding via Chat with Video Dialogue Large Language Models
di: Qu, Mengxue, et al.
Pubblicazione: (2024) -
Enrich and Detect: Video Temporal Grounding with Multimodal LLMs
di: Pramanick, Shraman, et al.
Pubblicazione: (2025) -
Text-controlled Motion Mamba: Text-Instructed Temporal Grounding of Human Motion
di: Wang, Xinghan, et al.
Pubblicazione: (2024) -
SpikeMba: Multi-Modal Spiking Saliency Mamba for Temporal Video Grounding
di: Li, Wenrui, et al.
Pubblicazione: (2024)