Copertina

Infinite Video Understanding

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Zhang, Dell, Chen, Xiangyu, Luo, Jixiang, Jia, Mengxi, Sun, Changzhi, Ren, Ruilong, Liu, Jingren, Sun, Hao, Li, Xuelong
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Computer Vision and Pattern Recognition Artificial Intelligence Information Retrieval Machine Learning Multimedia
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

SmartFreeEdit: Mask-Free Spatial-Aware Image Editing with Complex Instruction Understanding
di: Sun, Qianqian, et al.
Pubblicazione: (2025)

Rebalancing Contrastive Alignment with Bottlenecked Semantic Increments in Text-Video Retrieval
di: Xiao, Jian, et al.
Pubblicazione: (2025)

Multi-Modal Cross-Domain Alignment Network for Video Moment Retrieval
di: Fang, Xiang, et al.
Pubblicazione: (2022)

Very Efficient Listwise Multimodal Reranking for Long Documents
di: Sun, Yiqun, et al.
Pubblicazione: (2026)

GMMFormer: Gaussian-Mixture-Model Based Transformer for Efficient Partially Relevant Video Retrieval
di: Wang, Yuting, et al.
Pubblicazione: (2023)

The CASTLE 2024 Dataset: Advancing the Art of Multimodal Understanding
di: Rossetto, Luca, et al.
Pubblicazione: (2025)

AutoSSVH: Exploring Automated Frame Sampling for Efficient Self-Supervised Video Hashing
di: Lian, Niu, et al.
Pubblicazione: (2025)

Text Proxy: Decomposing Retrieval from a 1-to-N Relationship into N 1-to-1 Relationships for Text-Video Retrieval
di: Xiao, Jian, et al.
Pubblicazione: (2024)

GenState-AI: State-Aware Dataset for Text-to-Video Retrieval on AI-Generated Videos
di: Li, Minghan, et al.
Pubblicazione: (2026)

VKIE: The Application of Key Information Extraction on Video Text
di: An, Siyu, et al.
Pubblicazione: (2023)

An Empirical Study of Excitation and Aggregation Design Adaptions in CLIP4Clip for Video-Text Retrieval
di: Jing, Xiaolun, et al.
Pubblicazione: (2024)

HLFormer: Enhancing Partially Relevant Video Retrieval with Hyperbolic Learning
di: Li, Jun, et al.
Pubblicazione: (2025)

Dynamic Multimodal Fusion via Meta-Learning Towards Micro-Video Recommendation
di: Liu, Han, et al.
Pubblicazione: (2025)

Epistemic-aware Vision-Language Foundation Model for Fetal Ultrasound Interpretation
di: He, Xiao, et al.
Pubblicazione: (2025)

Efficient Self-Supervised Video Hashing with Selective State Spaces
di: Wang, Jinpeng, et al.
Pubblicazione: (2024)

UCDR-Adapter: Exploring Adaptation of Pre-Trained Vision-Language Models for Universal Cross-Domain Retrieval
di: Jiang, Haoyu, et al.
Pubblicazione: (2024)

Imagine Before Concentration: Diffusion-Guided Registers Enhance Partially Relevant Video Retrieval
di: Li, Jun, et al.
Pubblicazione: (2026)

Interactive Multi-Turn Retrieval for Health Videos
di: Wu, Chengzheng, et al.
Pubblicazione: (2026)

A Unified Optimal Transport Framework for Cross-Modal Retrieval with Noisy Labels
di: Han, Haochen, et al.
Pubblicazione: (2024)

LazyVLM: Neuro-Symbolic Approach to Video Analytics
di: Jian, Xiangru, et al.
Pubblicazione: (2025)

Learning Partially-Decorrelated Common Spaces for Ad-hoc Video Search
di: Hu, Fan, et al.
Pubblicazione: (2025)

PromptHash: Affinity-Prompted Collaborative Cross-Modal Learning for Adaptive Hashing Retrieval
di: Zou, Qiang, et al.
Pubblicazione: (2025)

Audio Does Matter: Importance-Aware Multi-Granularity Fusion for Video Moment Retrieval
di: Lin, Junan, et al.
Pubblicazione: (2025)

VisTopics: A Visual Semantic Unsupervised Approach to Topic Modeling of Video and Image Data
di: Lokmanoglu, Ayse D, et al.
Pubblicazione: (2025)

Towards Holistic Language-video Representation: the language model-enhanced MSR-Video to Text Dataset
di: Yang, Yuchen, et al.
Pubblicazione: (2024)

Love Me, Love My Label: Rethinking the Role of Labels in Prompt Retrieval for Visual In-Context Learning
di: Luo, Tianci, et al.
Pubblicazione: (2026)

PhotoBench: Beyond Visual Matching Towards Personalized Intent-Driven Photo Retrieval
di: Xu, Tianyi, et al.
Pubblicazione: (2026)

Video-EM: Event-Centric Episodic Memory for Long-Form Video Understanding
di: Wang, Yun, et al.
Pubblicazione: (2025)

Understanding the Performance Plateau in Text-to-Video Retrieval: A Comprehensive Empirical and Linguistic Analysis
di: Pegia, Maria-Eirini, et al.
Pubblicazione: (2026)

QuickGrasp: Responsive Video-Language Querying Service via Accelerated Tokenization and Edge-Augmented Inference
di: Zhang, Miao, et al.
Pubblicazione: (2026)

Cross-Modal Retrieval with Cauchy-Schwarz Divergence
di: Zhang, Jiahao, et al.
Pubblicazione: (2025)

Beyond Final Answers: CRYSTAL Benchmark for Transparent Multimodal Reasoning Evaluation
di: Barrios, Wayner, et al.
Pubblicazione: (2026)

VeriTaS: The First Dynamic Benchmark for Multimodal Automated Fact-Checking
di: Rothermel, Mark, et al.
Pubblicazione: (2026)

A Matter of Time: Revealing the Structure of Time in Vision-Language Models
di: Tekaya, Nidham, et al.
Pubblicazione: (2025)

MIRe: Enhancing Multimodal Queries Representation via Fusion-Free Modality Interaction for Multimodal Retrieval
di: Ju, Yeong-Joon, et al.
Pubblicazione: (2024)

A Comprehensive Survey on Composed Image Retrieval
di: Song, Xuemeng, et al.
Pubblicazione: (2025)

A Survey of Multimodal Composite Editing and Retrieval
di: Li, Suyan, et al.
Pubblicazione: (2024)

Counteracting temporal attacks in Video Copy Detection
di: Fojcik, Katarzyna, et al.
Pubblicazione: (2025)

From Verbatim to Gist: Distilling Pyramidal Multimodal Memory via Semantic Information Bottleneck for Long-Horizon Video Agents
di: Lian, Niu, et al.
Pubblicazione: (2026)

DSRAG: A Domain-Specific Retrieval Framework Based on Document-derived Multimodal Knowledge Graph
di: Yang, Mengzheng, et al.
Pubblicazione: (2025)