:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Goudarzi, Sajad, Zamanifard, Samaneh
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	https://arxiv.org/abs/2508.17160
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Pause and Think: A Dataset and Benchmark for Video-Grounded Assistive Action Suggestion
von: Singh, Shivam, et al.
Veröffentlicht: (2026)

Playing to Vision Foundation Model's Strengths in Stereo Matching
von: Liu, Chuang-Wei, et al.
Veröffentlicht: (2024)

Fast Adversarial Training with Weak-to-Strong Spatial-Temporal Consistency in the Frequency Domain on Videos
von: Wang, Songping, et al.
Veröffentlicht: (2025)

FlattenGPT: Depth Compression for Transformer with Layer Flattening
von: Xu, Ruihan, et al.
Veröffentlicht: (2026)

Video Depth Anything: Consistent Depth Estimation for Super-Long Videos
von: Chen, Sili, et al.
Veröffentlicht: (2025)

Beyond Synthetic Replays: Turning Diffusion Features into Few-Shot Class-Incremental Learning Knowledge
von: Kim, Junsu, et al.
Veröffentlicht: (2025)

G-VEval: A Versatile Metric for Evaluating Image and Video Captions Using GPT-4o
von: Tong, Tony Cheng, et al.
Veröffentlicht: (2024)

Mini-o3: Scaling Up Reasoning Patterns and Interaction Turns for Visual Search
von: Lai, Xin, et al.
Veröffentlicht: (2025)

Beyond Spatial Frequency: Pixel-wise Temporal Frequency-based Deepfake Video Detection
von: Kim, Taehoon, et al.
Veröffentlicht: (2025)

Evaluation of GPT-4o and GPT-4o-mini's Vision Capabilities for Compositional Analysis from Dried Solution Drops
von: Dangi, Deven B., et al.
Veröffentlicht: (2024)

VTG-GPT: Tuning-Free Zero-Shot Video Temporal Grounding with GPT
von: Xu, Yifang, et al.
Veröffentlicht: (2024)

Video4Spatial: Towards Visuospatial Intelligence with Context-Guided Video Generation
von: Xiao, Zeqi, et al.
Veröffentlicht: (2025)

Learning to Play Video Games with Intuitive Physics Priors
von: Jaiswal, Abhishek, et al.
Veröffentlicht: (2024)

Video-GPT via Next Clip Diffusion
von: Zhuang, Shaobin, et al.
Veröffentlicht: (2025)

ShareGPT-4o-Image: Aligning Multimodal Models with GPT-4o-Level Image Generation
von: Chen, Junying, et al.
Veröffentlicht: (2025)

Depth Any Video with Scalable Synthetic Data
von: Yang, Honghui, et al.
Veröffentlicht: (2024)

Learning Spatial-Semantic Features for Robust Video Object Segmentation
von: Li, Xin, et al.
Veröffentlicht: (2024)

FOOTPASS: A Multi-Modal Multi-Agent Tactical Context Dataset for Play-by-Play Action Spotting in Soccer Broadcast Videos
von: Ochin, Jeremie, et al.
Veröffentlicht: (2025)

3DAxisPrompt: Promoting the 3D Grounding and Reasoning in GPT-4o
von: Liu, Dingning, et al.
Veröffentlicht: (2025)

Echo-4o: Harnessing the Power of GPT-4o Synthetic Images for Improved Image Generation
von: Ye, Junyan, et al.
Veröffentlicht: (2025)

MT-Video-Bench: A Holistic Video Understanding Benchmark for Evaluating Multimodal LLMs in Multi-Turn Dialogues
von: Pan, Yaning, et al.
Veröffentlicht: (2025)

GV-VAD : Exploring Video Generation for Weakly-Supervised Video Anomaly Detection
von: Cai, Suhang, et al.
Veröffentlicht: (2025)

NormEnsembleXAI: Unveiling the Strengths and Weaknesses of XAI Ensemble Techniques
von: Hryniewska-Guzik, Weronika, et al.
Veröffentlicht: (2024)

VRAG: Learning World Models for Interactive Video Generation
von: Chen, Taiye, et al.
Veröffentlicht: (2025)

Robustness Evaluation for Video Models with Reinforcement Learning
von: Babu, Ashwin Ramesh, et al.
Veröffentlicht: (2025)

GPT as Psychologist? Preliminary Evaluations for GPT-4V on Visual Affective Computing
von: Lu, Hao, et al.
Veröffentlicht: (2024)

Prompt fidelity of ChatGPT4o / Dall-E3 text-to-image visualisations
von: Spennemann, Dirk HR
Veröffentlicht: (2025)

OpenGPT-4o-Image: A Comprehensive Dataset for Advanced Image Generation and Editing
von: Chen, Zhihong, et al.
Veröffentlicht: (2025)

Beyond Uncertainty: Evidential Deep Learning for Robust Video Temporal Grounding
von: Ma, Kaijing, et al.
Veröffentlicht: (2024)

Rethinking Weakly-supervised Video Temporal Grounding From a Game Perspective
von: Fang, Xiang, et al.
Veröffentlicht: (2026)

MiniGPT-Reverse-Designing: Predicting Image Adjustments Utilizing MiniGPT-4
von: Azizi, Vahid, et al.
Veröffentlicht: (2024)

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

VideoPainter: Any-length Video Inpainting and Editing with Plug-and-Play Context Control
von: Bian, Yuxuan, et al.
Veröffentlicht: (2025)

DepthPilot: From Controllability to Interpretability in Colonoscopy Video Generation
von: Fu, Junhu, et al.
Veröffentlicht: (2026)

SD-VLM: Spatial Measuring and Understanding with Depth-Encoded Vision-Language Models
von: Chen, Pingyi, et al.
Veröffentlicht: (2025)

DepthCrafter: Generating Consistent Long Depth Sequences for Open-world Videos
von: Hu, Wenbo, et al.
Veröffentlicht: (2024)

Weak to Strong: VLM-Based Pseudo-Labeling as a Weakly Supervised Training Strategy in Multimodal Video-based Hidden Emotion Understanding Tasks
von: Wang, Yufei, et al.
Veröffentlicht: (2026)

SAIL: Similarity-Aware Guidance and Inter-Caption Augmentation-based Learning for Weakly-Supervised Dense Video Captioning
von: Kim, Ye-Chan, et al.
Veröffentlicht: (2026)

TOGA: Temporally Grounded Open-Ended Video QA with Weak Supervision
von: Gupta, Ayush, et al.
Veröffentlicht: (2025)

Weakly Supervised Video Anomaly Detection and Localization with Spatio-Temporal Prompts
von: Wu, Peng, et al.
Veröffentlicht: (2024)