Buchumschlag

Gestura: A LVLM-Powered System Bridging Motion and Semantics for Real-Time Free-Form Gesture Understanding

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Zhuoming, Liu, Aitong, Jia, Mengxi, Lu, Yubi, Zhang, Tengxiang, Sun, Changzhi, Zhang, Dell, Li, Xuelong
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Infinite Video Understanding
von: Zhang, Dell, et al.
Veröffentlicht: (2025)

GestureGPT: Toward Zero-Shot Free-Form Hand Gesture Understanding with Large Language Model Agents
von: Zeng, Xin, et al.
Veröffentlicht: (2023)

SmartFreeEdit: Mask-Free Spatial-Aware Image Editing with Complex Instruction Understanding
von: Sun, Qianqian, et al.
Veröffentlicht: (2025)

Beyond Heuristics: A Decision-Theoretic Framework for Agent Memory Management
von: Sun, Changzhi, et al.
Veröffentlicht: (2025)

Segment-Aligned Policy Optimization for Multi-Modal Reasoning
von: Gao, Lei, et al.
Veröffentlicht: (2026)

Logic-Regularized Verifier Elicits Reasoning from LLMs
von: Wang, Xinyu, et al.
Veröffentlicht: (2026)

Semantic Motion Anchors: Bridging Motion and Meaning in Co-Speech Gestures
von: Suresh, Varsha, et al.
Veröffentlicht: (2026)

A relative weight analysis of the Chinese version of WAB
von: Aitong Zhang, et al.
Veröffentlicht: (2025)

Controllable Exploration in Hybrid-Policy RLVR for Multi-Modal Reasoning
von: Huang, Zhuoxu, et al.
Veröffentlicht: (2026)

Semantic Co-Speech Gesture Synthesis and Real-Time Control for Humanoid Robots
von: Zhang, Gang
Veröffentlicht: (2025)

Attribute Distribution Modeling and Semantic-Visual Alignment for Generative Zero-shot Learning
von: Pu, Haojie, et al.
Veröffentlicht: (2026)

Decoupling the Image Perception and Multimodal Reasoning for Reasoning Segmentation with Digital Twin Representations
von: Li, Yizhen, et al.
Veröffentlicht: (2025)

Bridging Semantics and Geometry: A Decoupled LVLM-SAM Framework for Reasoning Segmentation in Optical Remote Sensing
von: Zhang, Xu, et al.
Veröffentlicht: (2025)

Security Tensors as a Cross-Modal Bridge: Extending Text-Aligned Safety to Vision in LVLM
von: Li, Shen, et al.
Veröffentlicht: (2025)

Biokarst_CA_Dataset
von: Xie, Tengxiang
Veröffentlicht: (2025)

Collaborative Editable Model
von: Tang, Kaiwen, et al.
Veröffentlicht: (2025)

TeleMem: Building Long-Term and Multimodal Memory for Agentic AI
von: Chen, Chunliang, et al.
Veröffentlicht: (2025)

Study on the reliability and validity of the Chinese version of the CMAI Scale in patients with cognitive impairment
von: Boru Jin, et al.
Veröffentlicht: (2025)

CNN2GNN: How to Bridge CNN with GNN
von: Jiao, Ziheng, et al.
Veröffentlicht: (2024)

VCU-Bridge: Hierarchical Visual Connotation Understanding via Semantic Bridging
von: Zhong, Ming, et al.
Veröffentlicht: (2025)

Research Status of Carbon Fiber and Its Hybrid Composites
von: Cuiyu Li, et al.
Veröffentlicht: (2025)

ZLT-P81: The Koinonic Scaffolding – SLCC: The Structural Law that Predicts and Explains Voluntary Cooperation Collapse
von: Yubi Dagogliano, Danny
Veröffentlicht: (2026)

ZLT-P85 Experiment J: Pre-Registration Script — TFT Noise Vulnerability as Structural Idolatry Amplification
von: Yubi Dagogliano, Danny
Veröffentlicht: (2026)

ZLT-P83-B: Memory Predicts Distress — Cross-Domain Evidence for Structural Memory as a Missing Dimension in Coordination Models of Financial Fragility
von: Yubi Dagogliano, Danny
Veröffentlicht: (2026)

The Exit Coercion Index (ECI): Measuring Functional Coercion in Formally Voluntary Systems — When Exit Allowed Does Not Mean Exit Feasible
von: Yubi Dagogliano, Danny
Veröffentlicht: (2026)

ZLT-P12: The Exit Coercion Index — Measuring Functional Coercion in Formally Voluntary Systems
von: Yubi Dagogliano, Danny
Veröffentlicht: (2026)

Mixture of Noise for Pre-Trained Model-Based Class-Incremental Learning
von: Jiang, Kai, et al.
Veröffentlicht: (2025)

Motion-Aware Video Frame Interpolation
von: Han, Pengfei, et al.
Veröffentlicht: (2024)

Real‐Time Mapping of High‐Degree‐of‐Freedom and High‐Fidelity Gestures Based on Piezoelectric Sensor Clusters
von: Pu‐En Zhou, et al.
Veröffentlicht: (2025)

Advancing Visual Reliability: Color-Accurate Underwater Image Enhancement for Real-Time Underwater Missions
von: Zhou, Yiqiang, et al.
Veröffentlicht: (2026)

Cross-Modal Attention Calibration for LVLM Hallucination Mitigation
von: Li, Jiaming, et al.
Veröffentlicht: (2025)

SocialGesture: Delving into Multi-person Gesture Understanding
von: Cao, Xu, et al.
Veröffentlicht: (2025)

Bridging the Gap between Human Motion and Action Semantics via Kinematic Phrases
von: Liu, Xinpeng, et al.
Veröffentlicht: (2023)

LogDB: Multivariate Log-based Failure Diagnosis for Distributed Databases (Extended from MultiLog)
von: Zhang, Lingzhe, et al.
Veröffentlicht: (2025)

SARGes: Semantically Aligned Reliable Gesture Generation via Intent Chain
von: Gao, Nan, et al.
Veröffentlicht: (2025)

Liquid Metal Composites‐Enabled Real‐Time Hand Gesture Recognizer with Superior Recognition Speed and Accuracy
von: Yi Chen, et al.
Veröffentlicht: (2024)

InterSyn: Interleaved Learning for Dynamic Motion Synthesis in the Wild
von: Ma, Yiyi, et al.
Veröffentlicht: (2025)

Connectivity Maintenance and Recovery for Multi-Robot Motion Planning
von: Wang, Yutong, et al.
Veröffentlicht: (2025)

TextOp: Real-time Interactive Text-Driven Humanoid Robot Motion Generation and Control
von: Xie, Weiji, et al.
Veröffentlicht: (2026)

CogniDot: Vasoactivity-based Cognitive Load Monitoring with a Miniature On-skin Sensor
von: Lan, Hongbo, et al.
Veröffentlicht: (2024)