Copertina

VideoLucy: Deep Memory Backtracking for Long Video Understanding

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Zuo, Jialong, Deng, Yongtai, Kong, Lingdong, Yang, Jingkang, Jin, Rui, Zhang, Yiwei, Sang, Nong, Pan, Liang, Liu, Ziwei, Gao, Changxin
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

ReID5o: Achieving Omni Multi-modal Person Re-identification in a Single Model
di: Zuo, Jialong, et al.
Pubblicazione: (2025)

Holmes-VAU: Towards Long-term Video Anomaly Understanding at Any Granularity
di: Zhang, Huaxin, et al.
Pubblicazione: (2024)

Is Nano Banana Pro a Low-Level Vision All-Rounder? A Comprehensive Evaluation on 14 Tasks and 40 Datasets
di: Zuo, Jialong, et al.
Pubblicazione: (2025)

Partial Forward Blocking: A Novel Data Pruning Paradigm for Lossless Training Acceleration
di: Wu, Dongyue, et al.
Pubblicazione: (2025)

Spatial Cascaded Clustering and Weighted Memory for Unsupervised Person Re-identification
di: Hong, Jiahao, et al.
Pubblicazione: (2024)

Holmes-VAD: Towards Unbiased and Explainable Video Anomaly Detection via Multi-modal LLM
di: Zhang, Huaxin, et al.
Pubblicazione: (2024)

A Simple Baseline for Streaming Video Understanding
di: Shen, Yujiao, et al.
Pubblicazione: (2026)

Object-Aware Video Matting with Cross-Frame Guidance
di: Zhang, Huayu, et al.
Pubblicazione: (2025)

Learning to Tell Apart: Weakly Supervised Video Anomaly Detection via Disentangled Semantic Alignment
di: Yin, Wenti, et al.
Pubblicazione: (2025)

REPAIR: Rank Correlation and Noisy Pair Half-replacing with Memory for Noisy Correspondence
di: Zheng, Ruochen, et al.
Pubblicazione: (2024)

Cross-video Identity Correlating for Person Re-identification Pre-training
di: Zuo, Jialong, et al.
Pubblicazione: (2024)

PLIP: Language-Image Pre-training for Person Representation Learning
di: Zuo, Jialong, et al.
Pubblicazione: (2023)

UFineBench: Towards Text-based Person Retrieval with Ultra-fine Granularity
di: Zuo, Jialong, et al.
Pubblicazione: (2023)

UniAnimate-DiT: Human Image Animation with Large-Scale Video Diffusion Transformer
di: Wang, Xiang, et al.
Pubblicazione: (2025)

DFIMat: Decoupled Flexible Interactive Matting in Multi-Person Scenarios
di: Jiao, Siyi, et al.
Pubblicazione: (2024)

Replace Anyone in Videos
di: Wang, Xiang, et al.
Pubblicazione: (2024)

UniAnimate: Taming Unified Video Diffusion Models for Consistent Human Image Animation
di: Wang, Xiang, et al.
Pubblicazione: (2024)

WorldQA: Multimodal World Knowledge in Videos through Long-Chain Reasoning
di: Zhang, Yuanhan, et al.
Pubblicazione: (2024)

Calib3D: Calibrating Model Preferences for Reliable 3D Scene Understanding
di: Kong, Lingdong, et al.
Pubblicazione: (2024)

GlanceVAD: Exploring Glance Supervision for Label-efficient Video Anomaly Detection
di: Zhang, Huaxin, et al.
Pubblicazione: (2024)

VideoMem: Enhancing Ultra-Long Video Understanding via Adaptive Memory Management
di: Jin, Hongbo, et al.
Pubblicazione: (2025)

Tunnel Try-on: Excavating Spatial-temporal Tunnels for High-quality Virtual Try-on in Videos
di: Xu, Zhengze, et al.
Pubblicazione: (2024)

Structural Pruning via Spatial-aware Information Redundancy for Semantic Segmentation
di: Wu, Dongyue, et al.
Pubblicazione: (2024)

S ee 4D: Pose‐Free 4D Generation via Auto‐Regressive Video Inpainting
di: Dongyue Lu, et al.
Pubblicazione: (2026)

See4D: Pose-Free 4D Generation via Auto-Regressive Video Inpainting
di: Lu, Dongyue, et al.
Pubblicazione: (2025)

Hallucination Mitigation Prompts Long-term Video Understanding
di: Sun, Yiwei, et al.
Pubblicazione: (2024)

Semantic-Aware Adaptive Visual Memory for Streaming Video Understanding
di: Wu, Hang, et al.
Pubblicazione: (2026)

Video World Models with Long-term Spatial Memory
di: Wu, Tong, et al.
Pubblicazione: (2025)

DynamicCity: Large-Scale 4D Occupancy Generation from Dynamic Scenes
di: Bian, Hengwei, et al.
Pubblicazione: (2024)

LiMoE: Mixture of LiDAR Representation Learners from Automotive Scenes
di: Xu, Xiang, et al.
Pubblicazione: (2025)

Multi-Modal Data-Efficient 3D Scene Understanding for Autonomous Driving
di: Kong, Lingdong, et al.
Pubblicazione: (2024)

VideoLLaMB: Long Streaming Video Understanding with Recurrent Memory Bridges
di: Wang, Yuxuan, et al.
Pubblicazione: (2024)

Video-EM: Event-Centric Episodic Memory for Long-Form Video Understanding
di: Wang, Yun, et al.
Pubblicazione: (2025)

Memory-enhanced Retrieval Augmentation for Long Video Understanding
di: Yuan, Huaying, et al.
Pubblicazione: (2025)

Memory Consolidation Enables Long-Context Video Understanding
di: Balažević, Ivana, et al.
Pubblicazione: (2024)

VideoStir: Understanding Long Videos via Spatio-Temporally Structured and Intent-Aware RAG
di: Fu, Honghao, et al.
Pubblicazione: (2026)

DenseGRPO: From Sparse to Dense Reward for Flow Matching Model Alignment
di: Deng, Haoyou, et al.
Pubblicazione: (2026)

TimeSearch: Hierarchical Video Search with Spotlight and Reflection for Human-like Long Video Understanding
di: Pan, Junwen, et al.
Pubblicazione: (2025)

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

Ego-R1: Chain-of-Tool-Thought for Ultra-Long Egocentric Video Reasoning
di: Tian, Shulin, et al.
Pubblicazione: (2025)