EventFormer: A Node-graph Hierarchical Attention Transformer for Action-centric Video Event Prediction
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Su, Qile, Zhu, Shoutai, Zhang, Shuai, Liang, Baoyu, Tong, Chao |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Video-CoE: Reinforcing Video Event Prediction via Chain of Events
par: Su, Qile, et autres
Publié: (2026)
par: Su, Qile, et autres
Publié: (2026)
Cross-Modal Transfer from Memes to Videos: Addressing Data Scarcity in Hateful Video Detection
par: Wang, Han, et autres
Publié: (2025)
par: Wang, Han, et autres
Publié: (2025)
Light Future: Multimodal Action Frame Prediction via InstructPix2Pix
par: Zhong, Zesen, et autres
Publié: (2025)
par: Zhong, Zesen, et autres
Publié: (2025)
AIM 2024 Challenge on Video Saliency Prediction: Methods and Results
par: Moskalenko, Andrey, et autres
Publié: (2024)
par: Moskalenko, Andrey, et autres
Publié: (2024)
NTIRE 2026 Challenge on Video Saliency Prediction: Methods and Results
par: Moskalenko, Andrey, et autres
Publié: (2026)
par: Moskalenko, Andrey, et autres
Publié: (2026)
SIA-OVD: Shape-Invariant Adapter for Bridging the Image-Region Gap in Open-Vocabulary Detection
par: Wang, Zishuo, et autres
Publié: (2024)
par: Wang, Zishuo, et autres
Publié: (2024)
Implicit Location-Caption Alignment via Complementary Masking for Weakly-Supervised Dense Video Captioning
par: Ge, Shiping, et autres
Publié: (2024)
par: Ge, Shiping, et autres
Publié: (2024)
ForensicFormer: Hierarchical Multi-Scale Reasoning for Cross-Domain Image Forgery Detection
par: Samson, Hema Hariharan
Publié: (2026)
par: Samson, Hema Hariharan
Publié: (2026)
Meaning over Motion: A Semantic-First Approach to 360° Viewport Prediction
par: Khah, Arman Nik, et autres
Publié: (2026)
par: Khah, Arman Nik, et autres
Publié: (2026)
Leum-VL Technical Report
par: He, Yuxuan, et autres
Publié: (2026)
par: He, Yuxuan, et autres
Publié: (2026)
A Hybrid Deterministic Framework for Named Entity Extraction in Broadcast News Video
par: Lucas, Andrea Filiberto, et autres
Publié: (2026)
par: Lucas, Andrea Filiberto, et autres
Publié: (2026)
Gear-NeRF: Free-Viewpoint Rendering and Tracking with Motion-aware Spatio-Temporal Sampling
par: Liu, Xinhang, et autres
Publié: (2024)
par: Liu, Xinhang, et autres
Publié: (2024)
Geo2Sound: A Scalable Geo-Aligned Framework for Soundscape Generation from Satellite Imagery
par: Wu, Kunlin, et autres
Publié: (2026)
par: Wu, Kunlin, et autres
Publié: (2026)
ActAlign: Zero-Shot Fine-Grained Video Classification via Language-Guided Sequence Alignment
par: Aghdam, Amir, et autres
Publié: (2025)
par: Aghdam, Amir, et autres
Publié: (2025)
AVControl: Efficient Framework for Training Audio-Visual Controls
par: Ben-Yosef, Matan, et autres
Publié: (2026)
par: Ben-Yosef, Matan, et autres
Publié: (2026)
Semantic2Graph: Graph-based Multi-modal Feature Fusion for Action Segmentation in Videos
par: Zhang, Junbin, et autres
Publié: (2022)
par: Zhang, Junbin, et autres
Publié: (2022)
Scene Detection Policies and Keyframe Extraction Strategies for Large-Scale Video Analysis
par: Korolkov, Vasilii
Publié: (2025)
par: Korolkov, Vasilii
Publié: (2025)
Automatic Detection of Intro and Credits in Video using CLIP and Multihead Attention
par: Korolkov, Vasilii, et autres
Publié: (2025)
par: Korolkov, Vasilii, et autres
Publié: (2025)
MemeCraft: Contextual and Stance-Driven Multimodal Meme Generation
par: Wang, Han, et autres
Publié: (2024)
par: Wang, Han, et autres
Publié: (2024)
VidEvent: A Large Dataset for Understanding Dynamic Evolution of Events in Videos
par: Liang, Baoyu, et autres
Publié: (2025)
par: Liang, Baoyu, et autres
Publié: (2025)
A Real-Time, Vision-Based System for Badminton Smash Speed Estimation on Mobile Devices
par: Huang, Diwen
Publié: (2025)
par: Huang, Diwen
Publié: (2025)
3DGesPolicy: Phoneme-Aware Holistic Co-Speech Gesture Generation Based on Action Control
par: Sha, Xuanmeng, et autres
Publié: (2026)
par: Sha, Xuanmeng, et autres
Publié: (2026)
MetaErr: Towards Predicting Error Patterns in Deep Neural Networks
par: Totakura, Varun, et autres
Publié: (2026)
par: Totakura, Varun, et autres
Publié: (2026)
ActNetFormer: Transformer-ResNet Hybrid Method for Semi-Supervised Action Recognition in Videos
par: Dass, Sharana Dharshikgan Suresh, et autres
Publié: (2024)
par: Dass, Sharana Dharshikgan Suresh, et autres
Publié: (2024)
Video Event Reasoning and Prediction by Fusing World Knowledge from LLMs with Vision Foundation Models
par: Dubois, L'ea, et autres
Publié: (2025)
par: Dubois, L'ea, et autres
Publié: (2025)
CLIP-Joint-Detect: End-to-End Joint Training of Object Detectors with Contrastive Vision-Language Supervision
par: Raoufi, Behnam, et autres
Publié: (2025)
par: Raoufi, Behnam, et autres
Publié: (2025)
A Roadmap for Multilingual, Multimodal Domain Independent Deception Detection
par: Boumber, Dainis, et autres
Publié: (2024)
par: Boumber, Dainis, et autres
Publié: (2024)
Context-Aware Network Based on Multi-scale Spatio-temporal Attention for Action Recognition in Videos
par: Li, Xiaoyang, et autres
Publié: (2025)
par: Li, Xiaoyang, et autres
Publié: (2025)
Benchmarking and Bridging Emotion Conflicts for Multimodal Emotion Reasoning
par: Han, Zhiyuan, et autres
Publié: (2025)
par: Han, Zhiyuan, et autres
Publié: (2025)
Perception-Consistency Multimodal Large Language Models Reasoning via Caption-Regularized Policy Optimization
par: Tu, Songjun, et autres
Publié: (2025)
par: Tu, Songjun, et autres
Publié: (2025)
AdSum: Two-stream Audio-visual Summarization for Automated Video Advertisement Clipping
par: Xie, Wen, et autres
Publié: (2025)
par: Xie, Wen, et autres
Publié: (2025)
Motion Attribution for Video Generation
par: Wu, Xindi, et autres
Publié: (2026)
par: Wu, Xindi, et autres
Publié: (2026)
FocusedAD: Character-centric Movie Audio Description
par: Ye, Xiaojun, et autres
Publié: (2025)
par: Ye, Xiaojun, et autres
Publié: (2025)
Labels or Input? Rethinking Augmentation in Multimodal Hate Detection
par: Singh, Sahajpreet, et autres
Publié: (2025)
par: Singh, Sahajpreet, et autres
Publié: (2025)
Graph-PiT: Enhancing Structural Coherence in Part-Based Image Synthesis via Graph Priors
par: Zhang, Junbin, et autres
Publié: (2026)
par: Zhang, Junbin, et autres
Publié: (2026)
Bridging Knowledge Gap Between Image Inpainting and Large-Area Visible Watermark Removal
par: Leng, Yicheng, et autres
Publié: (2025)
par: Leng, Yicheng, et autres
Publié: (2025)
EventFlow: Real-Time Neuromorphic Event-Driven Classification of Two-Phase Boiling Flow Regimes
par: Chang, Sanghyeon, et autres
Publié: (2025)
par: Chang, Sanghyeon, et autres
Publié: (2025)
Efficient and Privacy-Protecting Background Removal for 2D Video Streaming using iPhone 15 Pro Max LiDAR
par: Kinnevan, Jessica, et autres
Publié: (2025)
par: Kinnevan, Jessica, et autres
Publié: (2025)
An Empirical Study for Representations of Videos in Video Question Answering via MLLMs
par: Li, Zhi, et autres
Publié: (2025)
par: Li, Zhi, et autres
Publié: (2025)
Genflow Ad Studio: A Compound AI Architecture for Brand-Aligned, Self-Correcting Video Generation
par: Das, Debanshu, et autres
Publié: (2026)
par: Das, Debanshu, et autres
Publié: (2026)
Documents similaires
-
Video-CoE: Reinforcing Video Event Prediction via Chain of Events
par: Su, Qile, et autres
Publié: (2026) -
Cross-Modal Transfer from Memes to Videos: Addressing Data Scarcity in Hateful Video Detection
par: Wang, Han, et autres
Publié: (2025) -
Light Future: Multimodal Action Frame Prediction via InstructPix2Pix
par: Zhong, Zesen, et autres
Publié: (2025) -
AIM 2024 Challenge on Video Saliency Prediction: Methods and Results
par: Moskalenko, Andrey, et autres
Publié: (2024) -
NTIRE 2026 Challenge on Video Saliency Prediction: Methods and Results
par: Moskalenko, Andrey, et autres
Publié: (2026)