Buchumschlag

TAR-TVG: Enhancing VLMs with Timestamp Anchor-Constrained Reasoning for Temporal Video Grounding

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Guo, Chaohong, Mo, Xun, Nie, Yongwei, Xu, Xuemiao, Xu, Chao, Yu, Fei, Long, Chengjiang
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

T2SGrid: Temporal-to-Spatial Gridification for Video Temporal Grounding
von: Guo, Chaohong, et al.
Veröffentlicht: (2026)

Invert4TVG: A Temporal Video Grounding Framework with Inversion Tasks Preserving Action Understanding Ability
von: Chen, Zhaoyu, et al.
Veröffentlicht: (2025)

Incorporating Test-Time Optimization into Training with Dual Networks for Human Mesh Recovery
von: Nie, Yongwei, et al.
Veröffentlicht: (2024)

AutoTVG: A New Vision-language Pre-training Paradigm for Temporal Video Grounding
von: Zhang, Xing, et al.
Veröffentlicht: (2024)

VTG-LLM: Integrating Timestamp Knowledge into Video LLMs for Enhanced Video Temporal Grounding
von: Guo, Yongxin, et al.
Veröffentlicht: (2024)

Interleaving One-Class and Weakly-Supervised Models with Adaptive Thresholding for Unsupervised Video Anomaly Detection
von: Nie, Yongwei, et al.
Veröffentlicht: (2024)

MUSEG: Reinforcing Video Temporal Understanding via Timestamp-Aware Multi-Segment Grounding
von: Luo, Fuwen, et al.
Veröffentlicht: (2025)

VTimeCoT: Thinking by Drawing for Video Temporal Grounding and Reasoning
von: Zhang, Jinglei, et al.
Veröffentlicht: (2025)

RecDreamer: Consistent Text-to-3D Generation via Uniform Score Distillation
von: Zheng, Chenxi, et al.
Veröffentlicht: (2025)

Multi-RoI Human Mesh Recovery with Camera Consistency and Contrastive Losses
von: Nie, Yongwei, et al.
Veröffentlicht: (2024)

Registration is a Powerful Rotation-Invariance Learner for 3D Anomaly Detection
von: Yu, Yuyang, et al.
Veröffentlicht: (2025)

Enhancing Long Video Question Answering with Scene-Localized Frame Grouping
von: Yang, Xuyi, et al.
Veröffentlicht: (2025)

Probing the Reliability of Driving VLMs: From Inconsistent Responses to Grounded Temporal Reasoning
von: Chang, Chun-Peng, et al.
Veröffentlicht: (2026)

What Happens Before Decoding? Prefill Determines GUI Grounding in VLMs
von: Lin, Jiaping, et al.
Veröffentlicht: (2026)

Motion Keyframe Interpolation for Any Human Skeleton via Temporally Consistent Point Cloud Sampling and Reconstruction
von: Mo, Clinton, et al.
Veröffentlicht: (2024)

Grounding is All You Need? Dual Temporal Grounding for Video Dialog
von: Qin, You, et al.
Veröffentlicht: (2024)

HieraMamba: Video Temporal Grounding via Hierarchical Anchor-Mamba Pooling
von: An, Joungbin, et al.
Veröffentlicht: (2025)

Beyond Shortcuts: Mitigating Visual Illusions in Frozen VLMs via Qualitative Reasoning
von: Guo, Hao, et al.
Veröffentlicht: (2026)

Ground-V: Teaching VLMs to Ground Complex Instructions in Pixels
von: Zong, Yongshuo, et al.
Veröffentlicht: (2025)

TVG: A Training-free Transition Video Generation Method with Diffusion Models
von: Zhang, Rui, et al.
Veröffentlicht: (2024)

SlowFocus: Enhancing Fine-grained Temporal Understanding in Video LLM
von: Nie, Ming, et al.
Veröffentlicht: (2026)

FunduSAM: A Specialized Deep Learning Model for Enhanced Optic Disc and Cup Segmentation in Fundus Images
von: Yu, Jinchen, et al.
Veröffentlicht: (2025)

How Auxiliary Reasoning Unleashes GUI Grounding in VLMs
von: Li, Weiming, et al.
Veröffentlicht: (2025)

Unified Static and Dynamic Network: Efficient Temporal Filtering for Video Grounding
von: Hu, Jingjing, et al.
Veröffentlicht: (2024)

AttAnchor: Guiding Cross-Modal Token Alignment in VLMs with Attention Anchors
von: Zhang, Junyang, et al.
Veröffentlicht: (2025)

Foresee-to-Ground: From Predictive Temporal Perception to Evidence-Driven Reasoning for Video Temporal Grounding
von: Zheng, Zelin, et al.
Veröffentlicht: (2026)

Vision Verification Enhanced Fusion of VLMs for Efficient Visual Reasoning
von: Tekin, Selim Furkan, et al.
Veröffentlicht: (2026)

TA-Prompting: Enhancing Video Large Language Models for Dense Video Captioning via Temporal Anchors
von: Cheng, Wei-Yuan, et al.
Veröffentlicht: (2026)

Frozen LLMs as Map-Aware Spatio-Temporal Reasoners for Vehicle Trajectory Prediction
von: Liu, Yanjiao, et al.
Veröffentlicht: (2026)

AnchorSeg: Language Grounded Query Banks for Reasoning Segmentation
von: Qian, Rui, et al.
Veröffentlicht: (2026)

Temporally-Constrained Video Reasoning Segmentation and Automated Benchmark Construction
von: Shen, Yiqing, et al.
Veröffentlicht: (2025)

Focusing by Contrastive Attention: Enhancing VLMs' Visual Reasoning
von: Ge, Yuyao, et al.
Veröffentlicht: (2025)

Grounded-VideoLLM: Sharpening Fine-grained Temporal Grounding in Video Large Language Models
von: Wang, Haibo, et al.
Veröffentlicht: (2024)

Better Reasoning with Less Data: Enhancing VLMs Through Unified Modality Scoring
von: Xu, Mingjie, et al.
Veröffentlicht: (2025)

CLGRPO: Reasoning Ability Enhancement for Small VLMs
von: Wang, Fanyi, et al.
Veröffentlicht: (2025)

ViewSRD: 3D Visual Grounding via Structured Multi-View Decomposition
von: Huang, Ronggang, et al.
Veröffentlicht: (2025)

LVC: A Lightweight Compression Framework for Enhancing VLMs in Long Video Understanding
von: Wang, Ziyi, et al.
Veröffentlicht: (2025)

SoLAR: Error-Resilient Streamable Long-Horizon Free-Viewpoint Video Reconstruction with Anchor Activation and Latent Recalibration
von: Zhang, Haotian, et al.
Veröffentlicht: (2026)

Momentor: Advancing Video Large Language Model with Fine-Grained Temporal Reasoning
von: Qian, Long, et al.
Veröffentlicht: (2024)

Exposing Hallucinations To Suppress Them: VLMs Representation Editing With Generative Anchors
von: Shi, Youxu, et al.
Veröffentlicht: (2025)