A Matter of Time: Revealing the Structure of Time in Vision-Language Models
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Tekaya, Nidham, Waldner, Manuela, Zeppelzauer, Matthias |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Epistemic-aware Vision-Language Foundation Model for Fetal Ultrasound Interpretation
par: He, Xiao, et autres
Publié: (2025)
par: He, Xiao, et autres
Publié: (2025)
Image Complexity-Aware Adaptive Retrieval for Efficient Vision-Language Models
par: Williams-Lekuona, Mikel, et autres
Publié: (2025)
par: Williams-Lekuona, Mikel, et autres
Publié: (2025)
CLIP-PING: Boosting Lightweight Vision-Language Models with Proximus Intrinsic Neighbors Guidance
par: Thwal, Chu Myaet, et autres
Publié: (2024)
par: Thwal, Chu Myaet, et autres
Publié: (2024)
GMMFormer: Gaussian-Mixture-Model Based Transformer for Efficient Partially Relevant Video Retrieval
par: Wang, Yuting, et autres
Publié: (2023)
par: Wang, Yuting, et autres
Publié: (2023)
A Comprehensive Survey on Composed Image Retrieval
par: Song, Xuemeng, et autres
Publié: (2025)
par: Song, Xuemeng, et autres
Publié: (2025)
A Survey of Multimodal Composite Editing and Retrieval
par: Li, Suyan, et autres
Publié: (2024)
par: Li, Suyan, et autres
Publié: (2024)
Generative Cross-Modal Retrieval: Memorizing Images in Multimodal Language Models for Retrieval and Beyond
par: Li, Yongqi, et autres
Publié: (2024)
par: Li, Yongqi, et autres
Publié: (2024)
Cross-Modal Retrieval with Cauchy-Schwarz Divergence
par: Zhang, Jiahao, et autres
Publié: (2025)
par: Zhang, Jiahao, et autres
Publié: (2025)
The CASTLE 2024 Dataset: Advancing the Art of Multimodal Understanding
par: Rossetto, Luca, et autres
Publié: (2025)
par: Rossetto, Luca, et autres
Publié: (2025)
PromptHash: Affinity-Prompted Collaborative Cross-Modal Learning for Adaptive Hashing Retrieval
par: Zou, Qiang, et autres
Publié: (2025)
par: Zou, Qiang, et autres
Publié: (2025)
PhotoBench: Beyond Visual Matching Towards Personalized Intent-Driven Photo Retrieval
par: Xu, Tianyi, et autres
Publié: (2026)
par: Xu, Tianyi, et autres
Publié: (2026)
Multi-Modal Cross-Domain Alignment Network for Video Moment Retrieval
par: Fang, Xiang, et autres
Publié: (2022)
par: Fang, Xiang, et autres
Publié: (2022)
Beyond Final Answers: CRYSTAL Benchmark for Transparent Multimodal Reasoning Evaluation
par: Barrios, Wayner, et autres
Publié: (2026)
par: Barrios, Wayner, et autres
Publié: (2026)
VeriTaS: The First Dynamic Benchmark for Multimodal Automated Fact-Checking
par: Rothermel, Mark, et autres
Publié: (2026)
par: Rothermel, Mark, et autres
Publié: (2026)
Very Efficient Listwise Multimodal Reranking for Long Documents
par: Sun, Yiqun, et autres
Publié: (2026)
par: Sun, Yiqun, et autres
Publié: (2026)
An Empirical Study of Excitation and Aggregation Design Adaptions in CLIP4Clip for Video-Text Retrieval
par: Jing, Xiaolun, et autres
Publié: (2024)
par: Jing, Xiaolun, et autres
Publié: (2024)
MIRe: Enhancing Multimodal Queries Representation via Fusion-Free Modality Interaction for Multimodal Retrieval
par: Ju, Yeong-Joon, et autres
Publié: (2024)
par: Ju, Yeong-Joon, et autres
Publié: (2024)
UCDR-Adapter: Exploring Adaptation of Pre-Trained Vision-Language Models for Universal Cross-Domain Retrieval
par: Jiang, Haoyu, et autres
Publié: (2024)
par: Jiang, Haoyu, et autres
Publié: (2024)
LazyVLM: Neuro-Symbolic Approach to Video Analytics
par: Jian, Xiangru, et autres
Publié: (2025)
par: Jian, Xiangru, et autres
Publié: (2025)
Introduction of a tree-based technique for efficient and real-time label retrieval in the object tracking system
par: Benrazek, Ala-Eddine, et autres
Publié: (2022)
par: Benrazek, Ala-Eddine, et autres
Publié: (2022)
DSRAG: A Domain-Specific Retrieval Framework Based on Document-derived Multimodal Knowledge Graph
par: Yang, Mengzheng, et autres
Publié: (2025)
par: Yang, Mengzheng, et autres
Publié: (2025)
Composite Sketch+Text Queries for Retrieving Objects with Elusive Names and Complex Interactions
par: Gatti, Prajwal, et autres
Publié: (2025)
par: Gatti, Prajwal, et autres
Publié: (2025)
MagicLens: Self-Supervised Image Retrieval with Open-Ended Instructions
par: Zhang, Kai, et autres
Publié: (2024)
par: Zhang, Kai, et autres
Publié: (2024)
NativE: Multi-modal Knowledge Graph Completion in the Wild
par: Zhang, Yichi, et autres
Publié: (2024)
par: Zhang, Yichi, et autres
Publié: (2024)
From Verbatim to Gist: Distilling Pyramidal Multimodal Memory via Semantic Information Bottleneck for Long-Horizon Video Agents
par: Lian, Niu, et autres
Publié: (2026)
par: Lian, Niu, et autres
Publié: (2026)
Reverse Region-to-Entity Annotation for Pixel-Level Visual Entity Linking
par: Xu, Zhengfei, et autres
Publié: (2024)
par: Xu, Zhengfei, et autres
Publié: (2024)
Benchmarking Multimodal Large Language Models for Missing Modality Completion in Product Catalogues
par: Fu, Junchen, et autres
Publié: (2026)
par: Fu, Junchen, et autres
Publié: (2026)
A Comprehensive Survey of Knowledge-Based Vision Question Answering Systems: The Lifecycle of Knowledge in Visual Reasoning Task
par: Deng, Jiaqi, et autres
Publié: (2025)
par: Deng, Jiaqi, et autres
Publié: (2025)
Enabling Collaborative Parametric Knowledge Calibration for Retrieval-Augmented Vision Question Answering
par: Deng, Jiaqi, et autres
Publié: (2025)
par: Deng, Jiaqi, et autres
Publié: (2025)
Toward Automatic Relevance Judgment using Vision--Language Models for Image--Text Retrieval Evaluation
par: Yang, Jheng-Hong, et autres
Publié: (2024)
par: Yang, Jheng-Hong, et autres
Publié: (2024)
Infinite Video Understanding
par: Zhang, Dell, et autres
Publié: (2025)
par: Zhang, Dell, et autres
Publié: (2025)
Counteracting temporal attacks in Video Copy Detection
par: Fojcik, Katarzyna, et autres
Publié: (2025)
par: Fojcik, Katarzyna, et autres
Publié: (2025)
PC$^2$: Pseudo-Classification Based Pseudo-Captioning for Noisy Correspondence Learning in Cross-Modal Retrieval
par: Duan, Yue, et autres
Publié: (2024)
par: Duan, Yue, et autres
Publié: (2024)
QuickGrasp: Responsive Video-Language Querying Service via Accelerated Tokenization and Edge-Augmented Inference
par: Zhang, Miao, et autres
Publié: (2026)
par: Zhang, Miao, et autres
Publié: (2026)
Self-distilled Dynamic Fusion Network for Language-based Fashion Retrieval
par: Wu, Yiming, et autres
Publié: (2024)
par: Wu, Yiming, et autres
Publié: (2024)
Generative AI for Video Trailer Synthesis: From Extractive Heuristics to Autoregressive Creativity
par: Dharmaratnakar, Abhishek, et autres
Publié: (2026)
par: Dharmaratnakar, Abhishek, et autres
Publié: (2026)
Towards Holistic Language-video Representation: the language model-enhanced MSR-Video to Text Dataset
par: Yang, Yuchen, et autres
Publié: (2024)
par: Yang, Yuchen, et autres
Publié: (2024)
VisTopics: A Visual Semantic Unsupervised Approach to Topic Modeling of Video and Image Data
par: Lokmanoglu, Ayse D, et autres
Publié: (2025)
par: Lokmanoglu, Ayse D, et autres
Publié: (2025)
A Unified Optimal Transport Framework for Cross-Modal Retrieval with Noisy Labels
par: Han, Haochen, et autres
Publié: (2024)
par: Han, Haochen, et autres
Publié: (2024)
TelcoAI: Advancing 3GPP Technical Specification Search through Agentic Multi-Modal Retrieval-Augmented Generation
par: Ghosh, Rahul, et autres
Publié: (2025)
par: Ghosh, Rahul, et autres
Publié: (2025)
Documents similaires
-
Epistemic-aware Vision-Language Foundation Model for Fetal Ultrasound Interpretation
par: He, Xiao, et autres
Publié: (2025) -
Image Complexity-Aware Adaptive Retrieval for Efficient Vision-Language Models
par: Williams-Lekuona, Mikel, et autres
Publié: (2025) -
CLIP-PING: Boosting Lightweight Vision-Language Models with Proximus Intrinsic Neighbors Guidance
par: Thwal, Chu Myaet, et autres
Publié: (2024) -
GMMFormer: Gaussian-Mixture-Model Based Transformer for Efficient Partially Relevant Video Retrieval
par: Wang, Yuting, et autres
Publié: (2023) -
A Comprehensive Survey on Composed Image Retrieval
par: Song, Xuemeng, et autres
Publié: (2025)