Copertina

Explicit Context Reasoning with Supervision for Visual Tracking

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Zeng, Fansheng, Zhong, Bineng, Xia, Haiying, Tan, Yufei, Hu, Xiantao, Shi, Liangtao, Song, Shuxiang
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

Explicit Visual Prompts for Visual Object Tracking
di: Shi, Liangtao, et al.
Pubblicazione: (2024)

Adaptive Perception for Unified Visual Multi-modal Object Tracking
di: Hu, Xiantao, et al.
Pubblicazione: (2025)

Learning to Track Instance from Single Nature Language Description
di: Zheng, Yaozong, et al.
Pubblicazione: (2026)

An Efficient Token Compression Framework for Visual Object Tracking
di: Wu, Weijing, et al.
Pubblicazione: (2026)

Autoregressive Queries for Adaptive Tracking with Spatio-TemporalTransformers
di: Xie, Jinxia, et al.
Pubblicazione: (2024)

Dual-branch Distilled Transformer for Efficient Asymmetric UAV Tracking
di: Yang, Hongtao, et al.
Pubblicazione: (2026)

Decoupled Spatio-Temporal Consistency Learning for Self-Supervised Tracking
di: Zheng, Yaozong, et al.
Pubblicazione: (2025)

Boosting Self-Supervised Tracking with Contextual Prompts and Noise Learning
di: Zheng, Yaozong, et al.
Pubblicazione: (2026)

Less is More: Token Context-aware Learning for Object Tracking
di: Xu, Chenlong, et al.
Pubblicazione: (2025)

Dynamic Updates for Language Adaptation in Visual-Language Tracking
di: Li, Xiaohai, et al.
Pubblicazione: (2025)

Robust Tracking via Mamba-based Context-aware Token Learning
di: Xie, Jinxia, et al.
Pubblicazione: (2024)

MambaLCT: Boosting Tracking via Long-term Context State Space Model
di: Li, Xiaohai, et al.
Pubblicazione: (2024)

Similarity-Guided Layer-Adaptive Vision Transformer for UAV Tracking
di: Xue, Chaocan, et al.
Pubblicazione: (2025)

SwimVG: Step-wise Multimodal Fusion and Adaption for Visual Grounding
di: Shi, Liangtao, et al.
Pubblicazione: (2025)

Exploiting Multimodal Spatial-temporal Patterns for Video Object Tracking
di: Hu, Xiantao, et al.
Pubblicazione: (2024)

ODTrack: Online Dense Temporal Token Learning for Visual Tracking
di: Zheng, Yaozong, et al.
Pubblicazione: (2024)

Sparse-Tuning: Adapting Vision Transformers with Efficient Fine-tuning and Inference
di: Liu, Ting, et al.
Pubblicazione: (2024)

Robust RGB-T Tracking via Learnable Visual Fourier Prompt Fine-tuning and Modality Fusion Prompt Generation
di: Yang, Hongtao, et al.
Pubblicazione: (2025)

UBATrack: Spatio-Temporal State Space Model for General Multi-Modal Tracking
di: Liang, Qihua, et al.
Pubblicazione: (2026)

Benchmarking Multimodal Mathematical Reasoning with Explicit Visual Dependency
di: Wang, Zhikai, et al.
Pubblicazione: (2025)

Towards Universal Modal Tracking with Online Dense Temporal Token Learning
di: Zheng, Yaozong, et al.
Pubblicazione: (2025)

CaptchaMind: Training CAPTCHA Solvers via Reinforcement Learning with Explicit Reasoning Supervision
di: Wang, Pengcheng, et al.
Pubblicazione: (2026)

Sparse Mixture-of-Experts Routing in Visual Diffusion Transformers:Diagnosis, Boundary Calibration and Evolutionary Roadmap from Routing Collapse to Selective Deadlock
di: Sha, Haiying
Pubblicazione: (2026)

LatentGeo: Learnable Auxiliary Constructions in Latent Space for Multimodal Geometric Reasoning
di: Xu, Haiying, et al.
Pubblicazione: (2026)

SkeleGuide: Explicit Skeleton Reasoning for Context-Aware Human-in-Place Image Synthesis
di: Wu, Chuqiao, et al.
Pubblicazione: (2026)

Thinking with Gaze: Sequential Eye-Tracking as Visual Reasoning Supervision for Medical VLMs
di: Li, Yiwei, et al.
Pubblicazione: (2026)

VRR-QA: Visual Relational Reasoning in Videos Beyond Explicit Cues
di: Swetha, Sirnam, et al.
Pubblicazione: (2025)

CADTrack: Learning Contextual Aggregation with Deformable Alignment for Robust RGBT Tracking
di: Li, Hao, et al.
Pubblicazione: (2025)

Multi-Stage Vision Token Dropping: Towards Efficient Multimodal Large Language Model
di: Liu, Ting, et al.
Pubblicazione: (2024)

Context Consistency Learning via Sentence Removal for Semi-Supervised Video Paragraph Grounding
di: Zhong, Yaokun, et al.
Pubblicazione: (2025)

Explicit Relational Reasoning Network for Scene Text Detection
di: Su, Yuchen, et al.
Pubblicazione: (2024)

Geometry-as-context: Modulating Explicit 3D in Scene-consistent Video Generation to Geometry Context
di: Hu, JiaKui, et al.
Pubblicazione: (2026)

NAVER: A Neuro-Symbolic Compositional Automaton for Visual Grounding with Explicit Logic Reasoning
di: Cai, Zhixi, et al.
Pubblicazione: (2025)

The Escalator Problem: Identifying Implicit Motion Blindness in AI for Accessibility
di: Zhang, Xiantao
Pubblicazione: (2025)

Cross-Level Multi-Instance Distillation for Self-Supervised Fine-Grained Visual Categorization
di: Bi, Qi, et al.
Pubblicazione: (2024)

Good Deep Features to Track: Self-Supervised Feature Extraction and Tracking in Visual Odometry
di: Gottam, Sai Puneeth Reddy, et al.
Pubblicazione: (2025)

Exploring Reliable Spatiotemporal Dependencies for Efficient Visual Tracking
di: Shi, Junze, et al.
Pubblicazione: (2026)

Context-Aware Integration of Language and Visual References for Natural Language Tracking
di: Shao, Yanyan, et al.
Pubblicazione: (2024)

Instance-level Visual Active Tracking with Occlusion-Aware Planning
di: Sun, Haowei, et al.
Pubblicazione: (2026)

Enjoying Information Dividend: Gaze Track-based Medical Weakly Supervised Segmentation
di: Wang, Zhisong, et al.
Pubblicazione: (2025)