Enregistré dans:
| Auteurs principaux: | Lu, Dunjie, Xu, Yiheng, Wang, Junli, Wu, Haoyuan, Wang, Xinyuan, Wang, Zekun, Yang, Junlin, Su, Hongjin, Chen, Jixuan, Chen, Junda, Mao, Yuchen, Zhou, Jingren, Lin, Junyang, Hui, Binyuan, Yu, Tao |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | https://arxiv.org/abs/2510.19488 |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
AgentTrek: Agent Trajectory Synthesis via Guiding Replay with Web Tutorials
par: Xu, Yiheng, et autres
Publié: (2024)
par: Xu, Yiheng, et autres
Publié: (2024)
Scaling Computer-Use Grounding via User Interface Decomposition and Synthesis
par: Xie, Tianbao, et autres
Publié: (2025)
par: Xie, Tianbao, et autres
Publié: (2025)
Aguvis: Unified Pure Vision Agents for Autonomous GUI Interaction
par: Xu, Yiheng, et autres
Publié: (2024)
par: Xu, Yiheng, et autres
Publié: (2024)
CUA-Gym: Scaling Verifiable Training Environments and Tasks for Computer-Use Agents
par: Wang, Bowen, et autres
Publié: (2026)
par: Wang, Bowen, et autres
Publié: (2026)
OpenCUA: Open Foundations for Computer-Use Agents
par: Wang, Xinyuan, et autres
Publié: (2025)
par: Wang, Xinyuan, et autres
Publié: (2025)
LumiVideo: An Intelligent Agentic System for Video Color Grading
par: Guo, Yuchen, et autres
Publié: (2026)
par: Guo, Yuchen, et autres
Publié: (2026)
Vid-Morp: Video Moment Retrieval Pretraining from Unlabeled Videos in the Wild
par: Bao, Peijun, et autres
Publié: (2024)
par: Bao, Peijun, et autres
Publié: (2024)
Self-Improvement for Audio Large Language Model using Unlabeled Speech
par: Wang, Shaowen, et autres
Publié: (2025)
par: Wang, Shaowen, et autres
Publié: (2025)
AccVideo: Accelerating Video Diffusion Model with Synthetic Dataset
par: Zhang, Haiyu, et autres
Publié: (2025)
par: Zhang, Haiyu, et autres
Publié: (2025)
VideoVista: A Versatile Benchmark for Video Understanding and Reasoning
par: Li, Yunxin, et autres
Publié: (2024)
par: Li, Yunxin, et autres
Publié: (2024)
MoGA: Mixture-of-Groups Attention for End-to-End Long Video Generation
par: Jia, Weinan, et autres
Publié: (2025)
par: Jia, Weinan, et autres
Publié: (2025)
Literacy Trek
Publié: (2019)
Publié: (2019)
"The Writing Trek."
par: Bailey, Valeska
Publié: (2001)
par: Bailey, Valeska
Publié: (2001)
ConditionVideo: Training-Free Condition-Guided Text-to-Video Generation
par: Peng, Bo, et autres
Publié: (2023)
par: Peng, Bo, et autres
Publié: (2023)
NormalCrafter: Learning Temporally Consistent Normals from Video Diffusion Priors
par: Bin, Yanrui, et autres
Publié: (2025)
par: Bin, Yanrui, et autres
Publié: (2025)
Where No Librarian Has Gone Before...The 10 Best "Star Trek" Episodes on Video.
par: Romanko, Karen A.
Publié: (1993)
par: Romanko, Karen A.
Publié: (1993)
Radiance-Field Reinforced Pretraining: Scaling Localization Models with Unlabeled Wireless Signals
par: Wang, Guosheng, et autres
Publié: (2025)
par: Wang, Guosheng, et autres
Publié: (2025)
Video-CCAM: Enhancing Video-Language Understanding with Causal Cross-Attention Masks for Short and Long Videos
par: Fei, Jiajun, et autres
Publié: (2024)
par: Fei, Jiajun, et autres
Publié: (2024)
GaussVideoDreamer: 3D Scene Generation with Video Diffusion and Inconsistency-Aware Gaussian Splatting
par: Hao, Junlin, et autres
Publié: (2025)
par: Hao, Junlin, et autres
Publié: (2025)
Baffin Island Trek
par: Dunn, John
Publié: (1996)
par: Dunn, John
Publié: (1996)
Pretrain like Your Inference: Masked Tuning Improves Zero-Shot Composed Image Retrieval
par: Chen, Junyang, et autres
Publié: (2023)
par: Chen, Junyang, et autres
Publié: (2023)
EC-Flow: Enabling Versatile Robotic Manipulation from Action-Unlabeled Videos via Embodiment-Centric Flow
par: Chen, Yixiang, et autres
Publié: (2025)
par: Chen, Yixiang, et autres
Publié: (2025)
VideoWorld: Exploring Knowledge Learning from Unlabeled Videos
par: Ren, Zhongwei, et autres
Publié: (2025)
par: Ren, Zhongwei, et autres
Publié: (2025)
ShotDirector: Directorially Controllable Multi-Shot Video Generation with Cinematographic Transitions
par: Wu, Xiaoxue, et autres
Publié: (2025)
par: Wu, Xiaoxue, et autres
Publié: (2025)
PARE: Pruning and Adaptive Routing for Efficient Video Generation
par: Wang, Yutong, et autres
Publié: (2026)
par: Wang, Yutong, et autres
Publié: (2026)
VideoVista-CulturalLingo: 360$^\circ$ Horizons-Bridging Cultures, Languages, and Domains in Video Comprehension
par: Chen, Xinyu, et autres
Publié: (2025)
par: Chen, Xinyu, et autres
Publié: (2025)
Harnessing LLMs for Automated Video Content Analysis: An Exploratory Workflow of Short Videos on Depression
par: Liu, Jiaying Lizzy, et autres
Publié: (2024)
par: Liu, Jiaying Lizzy, et autres
Publié: (2024)
Nice Fold or Hero Call: Learning Budget-Efficient Thinking for Adaptive Reasoning
par: Zhou, Zhaomeng, et autres
Publié: (2026)
par: Zhou, Zhaomeng, et autres
Publié: (2026)
$R^2$-Tuning: Efficient Image-to-Video Transfer Learning for Video Temporal Grounding
par: Liu, Ye, et autres
Publié: (2024)
par: Liu, Ye, et autres
Publié: (2024)
Knowledge Circuits in Pretrained Transformers
par: Yao, Yunzhi, et autres
Publié: (2024)
par: Yao, Yunzhi, et autres
Publié: (2024)
4Diffusion: Multi-view Video Diffusion Model for 4D Generation
par: Zhang, Haiyu, et autres
Publié: (2024)
par: Zhang, Haiyu, et autres
Publié: (2024)
Rethinking Position Embedding as a Context Controller for Multi-Reference and Multi-Shot Video Generation
par: Huang, Binyuan, et autres
Publié: (2026)
par: Huang, Binyuan, et autres
Publié: (2026)
VideoMAP: Toward Scalable Mamba-based Video Autoregressive Pretraining
par: Liu, Yunze, et autres
Publié: (2025)
par: Liu, Yunze, et autres
Publié: (2025)
ADFC ‐ ATP : Attention‐Guided Dual‐View Fusion and Contrastive Pretraining for Robust Aquatic Toxicity Prediction
par: Jixuan Jia, et autres
Publié: (2026)
par: Jixuan Jia, et autres
Publié: (2026)
Latent Action Pretraining from Videos
par: Ye, Seonghyeon, et autres
Publié: (2024)
par: Ye, Seonghyeon, et autres
Publié: (2024)
Demons in the Detail: On Implementing Load Balancing Loss for Training Specialized Mixture-of-Expert Models
par: Qiu, Zihan, et autres
Publié: (2025)
par: Qiu, Zihan, et autres
Publié: (2025)
Towards Better Correctness and Efficiency in Code Generation
par: Feng, Yunlong, et autres
Publié: (2025)
par: Feng, Yunlong, et autres
Publié: (2025)
Harvest Video Foundation Models via Efficient Post-Pretraining
par: Li, Yizhuo, et autres
Publié: (2023)
par: Li, Yizhuo, et autres
Publié: (2023)
Reconfigurable Analog Computing Metasurfaces Based on Thin Film Lithium Niobate
par: Huan Chen, et autres
Publié: (2026)
par: Huan Chen, et autres
Publié: (2026)
Learning from Online Videos at Inference Time for Computer-Use Agents
par: Liu, Yujian, et autres
Publié: (2025)
par: Liu, Yujian, et autres
Publié: (2025)
Documents similaires
-
AgentTrek: Agent Trajectory Synthesis via Guiding Replay with Web Tutorials
par: Xu, Yiheng, et autres
Publié: (2024) -
Scaling Computer-Use Grounding via User Interface Decomposition and Synthesis
par: Xie, Tianbao, et autres
Publié: (2025) -
Aguvis: Unified Pure Vision Agents for Autonomous GUI Interaction
par: Xu, Yiheng, et autres
Publié: (2024) -
CUA-Gym: Scaling Verifiable Training Environments and Tasks for Computer-Use Agents
par: Wang, Bowen, et autres
Publié: (2026) -
OpenCUA: Open Foundations for Computer-Use Agents
par: Wang, Xinyuan, et autres
Publié: (2025)