Copertina

Map the Flow: Revealing Hidden Pathways of Information in VideoLLMs

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Kim, Minji, Kim, Taekyung, Han, Bohyung
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

Leveraging Temporal Contextualization for Video Action Recognition
di: Kim, Minji, et al.
Pubblicazione: (2024)

Video Parallel Scaling: Aggregating Diverse Frame Subsets for VideoLLMs
di: Chung, Hyungjin, et al.
Pubblicazione: (2025)

GP-4DGS: Probabilistic 4D Gaussian Splatting from Monocular Video via Variational Gaussian Processes
di: Kim, Mijeong, et al.
Pubblicazione: (2026)

Sharp Eyes and Memory for VideoLLMs: Information-Aware Visual Token Pruning for Efficient and Reliable VideoLLM Reasoning
di: Qin, Jialong, et al.
Pubblicazione: (2025)

Reinforcement Learning Tuning for VideoLLMs: Reward Design and Data Efficiency
di: Li, Hongyu, et al.
Pubblicazione: (2025)

Video Streaming Thinking: VideoLLMs Can Watch and Think Simultaneously
di: Guan, Yiran, et al.
Pubblicazione: (2026)

Lost in Time: A New Temporal Benchmark for VideoLLMs
di: Cores, Daniel, et al.
Pubblicazione: (2024)

Memory-efficient Streaming VideoLLMs for Real-time Procedural Video Understanding
di: Chatterjee, Dibyadip, et al.
Pubblicazione: (2025)

Mitigating Hallucination in VideoLLMs via Temporal-Aware Activation Engineering
di: Cai, Jianfeng, et al.
Pubblicazione: (2025)

EchoPrune: Interpreting Redundancy as Temporal Echoes for Efficient VideoLLMs
di: Li, Jiameng, et al.
Pubblicazione: (2026)

VideoThinker: Building Agentic VideoLLMs with LLM-Guided Tool Reasoning
di: Li, Chenglin, et al.
Pubblicazione: (2026)

Geometry-Guided Camera Motion Understanding in VideoLLMs
di: Feng, Haoan, et al.
Pubblicazione: (2026)

WeaveTime: Stream from Earlier Frames into Emergent Memory in VideoLLMs
di: Zhang, Yulin, et al.
Pubblicazione: (2026)

FIFO-Diffusion: Generating Infinite Videos from Text without Training
di: Kim, Jihwan, et al.
Pubblicazione: (2024)

LiteFrame: Efficient Vision Encoders Unlock Frame Scaling in Video LLMs
di: Kim, Jihwan, et al.
Pubblicazione: (2026)

Dynamic-VLM: Simple Dynamic Visual Token Compression for VideoLLM
di: Wang, Han, et al.
Pubblicazione: (2024)

Morphing Tokens Draw Strong Masked Image Models
di: Kim, Taekyung, et al.
Pubblicazione: (2023)

VideoLLM-online: Online Video Large Language Model for Streaming Video
di: Chen, Joya, et al.
Pubblicazione: (2024)

Fine-Grained Captioning of Long Videos through Scene Graph Consolidation
di: Chu, Sanghyeok, et al.
Pubblicazione: (2025)

4D Gaussian Splatting in the Wild with Uncertainty-Aware Regularization
di: Kim, Mijeong, et al.
Pubblicazione: (2024)

Cross-Class Feature Augmentation for Class Incremental Learning
di: Kim, Taehoon, et al.
Pubblicazione: (2023)

VideoLLM Benchmarks and Evaluation: A Survey
di: Kumar, Yogesh
Pubblicazione: (2025)

Language-Guided Temporal Token Pruning for Efficient VideoLLM Processing
di: Kumar, Yogesh
Pubblicazione: (2025)

HYPE: Hyperbolic Entailment Filtering for Underspecified Images and Texts
di: Kim, Wonjae, et al.
Pubblicazione: (2024)

Learning with Unmasked Tokens Drives Stronger Vision Learners
di: Kim, Taekyung, et al.
Pubblicazione: (2023)

When and What: Diffusion-Grounded VideoLLM with Entity Aware Segmentation for Long Video Understanding
di: Fang, Pengcheng, et al.
Pubblicazione: (2025)

VideoLLM-MoD: Efficient Video-Language Streaming with Mixture-of-Depths Vision Computation
di: Wu, Shiwei, et al.
Pubblicazione: (2024)

Proact-VL: A Proactive VideoLLM for Real-Time AI Companions
di: Yan, Weicai, et al.
Pubblicazione: (2026)

Merge and Bound: Direct Manipulations on Weights for Class Incremental Learning
di: Kim, Taehoon, et al.
Pubblicazione: (2025)

STR-Match: Matching SpatioTemporal Relevance Score for Training-Free Video Editing
di: Lee, Junsung, et al.
Pubblicazione: (2025)

Emergence of Text Readability in Vision Language Models
di: Park, Jaeyoo, et al.
Pubblicazione: (2025)

Exploring Conditions for Diffusion models in Robotic Control
di: Shin, Heeseong, et al.
Pubblicazione: (2025)

METAVerse: Meta-Learning Traversability Cost Map for Off-Road Navigation
di: Seo, Junwon, et al.
Pubblicazione: (2023)

Learning with Noisy Labels: Interconnection of Two Expectation-Maximizations
di: Kim, Heewon, et al.
Pubblicazione: (2024)

IPFormer-VideoLLM: Enhancing Multi-modal Video Understanding for Multi-shot Scenes
di: Liang, Yujia, et al.
Pubblicazione: (2025)

Aligned Novel View Image and Geometry Synthesis via Cross-modal Attention Instillation
di: Kwak, Min-Seop, et al.
Pubblicazione: (2025)

Token Bottleneck: One Token to Remember Dynamics
di: Kim, Taekyung, et al.
Pubblicazione: (2025)

VideoLLM Knows When to Speak: Enhancing Time-Sensitive Video Comprehension with Video-Text Duet Interaction Format
di: Wang, Yueqian, et al.
Pubblicazione: (2024)

PhysGaia: A Physics-Aware Benchmark with Multi-Body Interactions for Dynamic Novel View Synthesis
di: Kim, Mijeong, et al.
Pubblicazione: (2025)

Diffusion-Based Conditional Image Editing through Optimized Inference with Guidance
di: Lee, Hyunsoo, et al.
Pubblicazione: (2024)