Copertina

Mixup Helps Understanding Multimodal Video Better

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Ma, Xiaoyu, Ding, Ding, Chen, Hao
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

Memory Helps, but Confabulation Misleads: Understanding Streaming Events in Videos with MLLMs
di: Zhang, Gengyuan, et al.
Pubblicazione: (2025)

Selective Volume Mixup for Video Action Recognition
di: Tan, Yi, et al.
Pubblicazione: (2023)

How Can Objects Help Video-Language Understanding?
di: Tang, Zitian, et al.
Pubblicazione: (2025)

MiniGPT4-Video: Advancing Multimodal LLMs for Video Understanding with Interleaved Visual-Textual Tokens
di: Ataallah, Kirolos, et al.
Pubblicazione: (2024)

GPT4Image: Large Pre-trained Models Help Vision Models Learn Better on Perception Task
di: Ding, Ning, et al.
Pubblicazione: (2023)

FC-VFI: Faithful and Consistent Video Frame Interpolation for High-FPS Slow Motion Video Generation
di: Ding, Ganggui, et al.
Pubblicazione: (2026)

ShareGPT4Video: Improving Video Understanding and Generation with Better Captions
di: Chen, Lin, et al.
Pubblicazione: (2024)

OneVAE: Joint Discrete and Continuous Optimization Helps Discrete Video VAE Train Better
di: Zhou, Yupeng, et al.
Pubblicazione: (2025)

Does Hearing Help Seeing? Investigating Audio-Video Joint Denoising for Video Generation
di: Wu, Jianzong, et al.
Pubblicazione: (2025)

OpenMixup: Open Mixup Toolbox and Benchmark for Visual Representation Learning
di: Li, Siyuan, et al.
Pubblicazione: (2022)

Autoregressive Semantic Visual Reconstruction Helps VLMs Understand Better
di: Wang, Dianyi, et al.
Pubblicazione: (2025)

CroMo-Mixup: Augmenting Cross-Model Representations for Continual Self-Supervised Learning
di: Mushtaq, Erum, et al.
Pubblicazione: (2024)

Adversarial AutoMixup
di: Qin, Huafeng, et al.
Pubblicazione: (2023)

Diffusion Feedback Helps CLIP See Better
di: Wang, Wenxuan, et al.
Pubblicazione: (2024)

VideoAgent: A Memory-augmented Multimodal Agent for Video Understanding
di: Fan, Yue, et al.
Pubblicazione: (2024)

Benchmarking the Trustworthiness in Multimodal LLMs for Video Understanding
di: Wang, Youze, et al.
Pubblicazione: (2025)

Speak While Watching: Unleashing TRUE Real-Time Video Understanding Capability of Multimodal Large Language Models
di: Lin, Junyan, et al.
Pubblicazione: (2026)

Beyond Raw Videos: Understanding Edited Videos with Large Multimodal Model
di: Xu, Lu, et al.
Pubblicazione: (2024)

Shot2Tactic-Caption: Multi-Scale Captioning of Badminton Videos for Tactical Understanding
di: Ding, Ning, et al.
Pubblicazione: (2025)

Can Graphs Help Vision SSMs See Better?
di: Parikh, Dhruv, et al.
Pubblicazione: (2026)

Learning Compact Video Representations for Efficient Long-form Video Understanding in Large Multimodal Models
di: Chen, Yuxiao, et al.
Pubblicazione: (2026)

V-CORE: Temporally Consistent Video Understanding for Video-LLM
di: Kang, Zhengjian, et al.
Pubblicazione: (2026)

Vidi: Large Multimodal Models for Video Understanding and Editing
di: Vidi Team, et al.
Pubblicazione: (2025)

Harnessing Shared Relations via Multimodal Mixup Contrastive Learning for Multimodal Classification
di: Kumar, Raja, et al.
Pubblicazione: (2024)

Personalized Video Summarization by Multimodal Video Understanding
di: Chen, Brian, et al.
Pubblicazione: (2024)

VideoWebArena: Evaluating Long Context Multimodal Agents with Video Understanding Web Tasks
di: Jang, Lawrence, et al.
Pubblicazione: (2024)

VideoARM: Agentic Reasoning over Hierarchical Memory for Long-Form Video Understanding
di: Yin, Yufei, et al.
Pubblicazione: (2025)

Enhance Image Classification via Inter-Class Image Mixup with Diffusion Model
di: Wang, Zhicai, et al.
Pubblicazione: (2024)

FlashVideo: A Framework for Swift Inference in Text-to-Video Generation
di: Lei, Bin, et al.
Pubblicazione: (2023)

SUMix: Mixup with Semantic and Uncertain Information
di: Qin, Huafeng, et al.
Pubblicazione: (2024)

InternVideo2: Scaling Foundation Models for Multimodal Video Understanding
di: Wang, Yi, et al.
Pubblicazione: (2024)

REVISOR: Beyond Textual Reflection, Towards Multimodal Introspective Reasoning in Long-Form Video Understanding
di: Li, Jiaze, et al.
Pubblicazione: (2025)

Understanding Long Videos with Multimodal Language Models
di: Ranasinghe, Kanchana, et al.
Pubblicazione: (2024)

Streaming Long Video Understanding with Large Language Models
di: Qian, Rui, et al.
Pubblicazione: (2024)

Data Processing Techniques for Modern Multimodal Models
di: Li, Yinheng, et al.
Pubblicazione: (2024)

Multimodal Language Models See Better When They Look Shallower
di: Chen, Haoran, et al.
Pubblicazione: (2025)

MM-SpuBench: Towards Better Understanding of Spurious Biases in Multimodal LLMs
di: Ye, Wenqian, et al.
Pubblicazione: (2024)

EmoVid: A Multimodal Emotion Video Dataset for Emotion-Centric Video Understanding and Generation
di: Qiu, Zongyang, et al.
Pubblicazione: (2025)

FIX-CLIP: Dual-Branch Hierarchical Contrastive Learning via Synthetic Captions for Better Understanding of Long Text
di: Wang, Bingchao, et al.
Pubblicazione: (2025)

Universal Visuo-Tactile Video Understanding for Embodied Interaction
di: Xie, Yifan, et al.
Pubblicazione: (2025)