Buchumschlag

Cameras as Relative Positional Encoding

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Ruilong, Yi, Brent, Liu, Junchen, Gao, Hang, Ma, Yi, Kanazawa, Angjoo
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Estimating Body and Hand Motion in an Ego-sensed World
von: Yi, Brent, et al.
Veröffentlicht: (2024)

Reconstructing People, Places, and Cameras
von: Müller, Lea, et al.
Veröffentlicht: (2024)

Test-Time Training with KV Binding Is Secretly Linear Attention
von: Liu, Junchen, et al.
Veröffentlicht: (2026)

SOAR: Self-Occluded Avatar Recovery from a Single Video In the Wild
von: Pan, Zhuoyang, et al.
Veröffentlicht: (2024)

NeRF-XL: Scaling NeRFs with Multiple GPUs
von: Li, Ruilong, et al.
Veröffentlicht: (2024)

Weierstrass Positional Encoding for Vision Transformers
von: Xin, Zhihang, et al.
Veröffentlicht: (2026)

CRePE: Curved Ray Expectation Positional Encoding for Unified-Camera-Controlled Video Generation
von: Jin, Seonghyun, et al.
Veröffentlicht: (2026)

gsplat: An Open-Source Library for Gaussian Splatting
von: Ye, Vickie, et al.
Veröffentlicht: (2024)

Vision-as-Inverse-Graphics Agent via Interleaved Multimodal Reasoning
von: Yin, Shaofeng, et al.
Veröffentlicht: (2026)

A 2D Semantic-Aware Position Encoding for Vision Transformers
von: Chen, Xi, et al.
Veröffentlicht: (2025)

Prompt When the Animal is: Temporal Animal Behavior Grounding with Positional Recovery Training
von: Yan, Sheng, et al.
Veröffentlicht: (2024)

Equipping Sketch Patches with Context-Aware Positional Encoding for Graphic Sketch Representation
von: Zang, Sicong, et al.
Veröffentlicht: (2024)

Predict-Optimize-Distill: A Self-Improving Cycle for 4D Object Understanding
von: Wu, Mingxuan, et al.
Veröffentlicht: (2025)

MCOO-SLAM: A Multi-Camera Omnidirectional Object SLAM System
von: Pan, Miaoxin, et al.
Veröffentlicht: (2025)

I2VControl-Camera: Precise Video Camera Control with Adjustable Motion Strength
von: Feng, Wanquan, et al.
Veröffentlicht: (2024)

GeLoc3r: Enhancing Relative Camera Pose Regression with Geometric Consistency Regularization
von: Li, Jingxing, et al.
Veröffentlicht: (2025)

CamReasoner: Reinforcing Camera Movement Understanding via Structured Spatial Reasoning
von: Wu, Hang, et al.
Veröffentlicht: (2026)

Accelerating Video Generation Inference with Sequential-Parallel 3D Positional Encoding Using a Global Time Index
von: Yuan, Chao, et al.
Veröffentlicht: (2026)

Splatfacto-W: A Nerfstudio Implementation of Gaussian Splatting for Unconstrained Photo Collections
von: Xu, Congrong, et al.
Veröffentlicht: (2024)

Human-level 3D shape perception emerges from multi-view learning
von: Bonnen, Tyler, et al.
Veröffentlicht: (2026)

SeqPE: Transformer with Sequential Position Encoding
von: Li, Huayang, et al.
Veröffentlicht: (2025)

Vanishing Depth: A Depth Adapter with Positional Depth Encoding for Generalized Image Encoders
von: Koch, Paul, et al.
Veröffentlicht: (2025)

Efficient Point Cloud Processing with High-Dimensional Positional Encoding and Non-Local MLPs
von: Zou, Yanmei, et al.
Veröffentlicht: (2026)

PAS: A Training-Free Stabilizer for Temporal Encoding in Video LLMs
von: Sun, Bowen, et al.
Veröffentlicht: (2025)

Mitigating Coordinate Prediction Bias from Positional Encoding Failures
von: Tao, Xingjian, et al.
Veröffentlicht: (2025)

PyramidStyler: Transformer-Based Neural Style Transfer with Pyramidal Positional Encoding and Reinforcement Learning
von: Durairaju, Raahul Krishna, et al.
Veröffentlicht: (2025)

Tracking spatial temporal details in ultrasound long video via wavelet analysis and memory bank
von: Zhang, Chenxiao, et al.
Veröffentlicht: (2025)

InCaRPose: In-Cabin Relative Camera Pose Estimation Model and Dataset
von: Stillger, Felix, et al.
Veröffentlicht: (2026)

Finite Difference Flow Optimization for RL Post-Training of Text-to-Image Models
von: McAllister, David, et al.
Veröffentlicht: (2026)

Advancing General Multimodal Capability of Vision-language Models with Pyramid-descent Visual Position Encoding
von: Chen, Zhanpeng, et al.
Veröffentlicht: (2025)

MAP: Unleashing Hybrid Mamba-Transformer Vision Backbone's Potential with Masked Autoregressive Pretraining
von: Liu, Yunze, et al.
Veröffentlicht: (2024)

AerialVG: A Challenging Benchmark for Aerial Visual Grounding by Exploring Positional Relations
von: Liu, Junli, et al.
Veröffentlicht: (2025)

Robot See Robot Do: Imitating Articulated Object Manipulation with Monocular 4D Reconstruction
von: Kerr, Justin, et al.
Veröffentlicht: (2024)

MemCam: Memory-Augmented Camera Control for Consistent Video Generation
von: Gao, Xinhang, et al.
Veröffentlicht: (2026)

First RAG, Second SEG: A Training-Free Paradigm for Camouflaged Object Detection
von: Liu, Wutao, et al.
Veröffentlicht: (2025)

EVA02-AT: Egocentric Video-Language Understanding with Spatial-Temporal Rotary Positional Embeddings and Symmetric Optimization
von: Wang, Xiaoqi, et al.
Veröffentlicht: (2025)

VidCRAFT3: Camera, Object, and Lighting Control for Image-to-Video Generation
von: Zheng, Sixiao, et al.
Veröffentlicht: (2025)

C^2ROPE: Causal Continuous Rotary Positional Encoding for 3D Large Multimodal-Models Reasoning
von: Ye, Guanting, et al.
Veröffentlicht: (2026)

Shape of Motion: 4D Reconstruction from a Single Video
von: Wang, Qianqian, et al.
Veröffentlicht: (2024)

ERetinex: Event Camera Meets Retinex Theory for Low-Light Image Enhancement
von: Guo, Xuejian, et al.
Veröffentlicht: (2025)