Buchumschlag

DynaStride: Dynamic Stride Windowing with MMCoT for Instructional Multi-Scene Captioning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Pham, Eddison, Priyadarshini, Prisha, Maliackel, Adrian, Bandi, Kanishk, Meo, Cristian, Zhu, Kevin
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

StrideNET: Swin Transformer for Terrain Recognition with Dynamic Roughness Extraction
von: Shelare, Maitreya, et al.
Veröffentlicht: (2024)

Hybrid of DiffStride and Spectral Pooling in Convolutional Neural Networks
von: Rafif, Sulthan, et al.
Veröffentlicht: (2024)

MapTracker: Tracking with Strided Memory Fusion for Consistent Vector HD Mapping
von: Chen, Jiacheng, et al.
Veröffentlicht: (2024)

Markerless Stride Length estimation in Athletic using Pose Estimation with monocular vision
von: Skorupski, Patryk, et al.
Veröffentlicht: (2025)

Stride-Net: Fairness-Aware Disentangled Representation Learning for Chest X-Ray Diagnosis
von: Rashid, Darakshan, et al.
Veröffentlicht: (2026)

ZACH-ViT: A Zero-Token Vision Transformer with ShuffleStrides Data Augmentation for Robust Lung Ultrasound Classification
von: Angelakis, Athanasios, et al.
Veröffentlicht: (2025)

SasMamba: A Lightweight Structure-Aware Stride State Space Model for 3D Human Pose Estimation
von: Cui, Hu, et al.
Veröffentlicht: (2025)

Britain. Striding clear
Veröffentlicht: (1995)

Strides in Development of Medical Education
Veröffentlicht: (2021)

Strided Difference Bound Matrices
von: Pitchanathan, Arjun, et al.
Veröffentlicht: (2024)

Aiding Medical Diagnosis through Image Synthesis and Classification
von: Choudhary, Kanishk
Veröffentlicht: (2025)

The Inductive Bottleneck: Data-Driven Emergence of Representational Sparsity in Vision Transformers
von: Awadhiya, Kanishk
Veröffentlicht: (2025)

DynaVol: Unsupervised Learning for Dynamic Scenes through Object-Centric Voxelization
von: Zhao, Yanpeng, et al.
Veröffentlicht: (2023)

TimeChat-Captioner: Scripting Multi-Scene Videos with Time-Aware and Structural Audio-Visual Captions
von: Yao, Linli, et al.
Veröffentlicht: (2026)

Multi-Strided Access Patterns to Boost Hardware Prefetching
von: Blom, Miguel O., et al.
Veröffentlicht: (2024)

Shifted Window Fourier Transform And Retention For Image Captioning
von: Hu, Jia Cheng, et al.
Veröffentlicht: (2024)

DynaSplat: Dynamic-Static Gaussian Splatting with Hierarchical Motion Decomposition for Scene Reconstruction
von: Deng, Junli, et al.
Veröffentlicht: (2025)

Frame-Level Captions for Long Video Generation with Complex Multi Scenes
von: Zheng, Guangcong, et al.
Veröffentlicht: (2025)

Grounding Foundational Vision Models with 3D Human Poses for Robust Action Recognition
von: Babey, Nicholas, et al.
Veröffentlicht: (2025)

Instruction-guided Multi-Granularity Segmentation and Captioning with Large Multimodal Model
von: Zhou, Li, et al.
Veröffentlicht: (2024)

Retrieval, Refinement, and Ranking for Text-to-Video Generation via Prompt Optimization and Test-Time Scaling
von: Rahman, Zillur, et al.
Veröffentlicht: (2026)

Quantum Convolutional Neural Network with Flexible Stride
von: Yu, Kai, et al.
Veröffentlicht: (2024)

ROSER: Few-Shot Robotic Sequence Retrieval for Scalable Robot Learning
von: Rahman, Zillur, et al.
Veröffentlicht: (2026)

DynaGSLAM: Real-Time Gaussian-Splatting SLAM for Online Rendering, Tracking, Motion Predictions of Moving Objects in Dynamic Scenes
von: Li, Runfa Blark, et al.
Veröffentlicht: (2025)

X-Dyna: Expressive Dynamic Human Image Animation
von: Chang, Di, et al.
Veröffentlicht: (2025)

Scene Graph-guided SegCaptioning Transformer with Fine-grained Alignment for Controllable Video Segmentation and Captioning
von: Zhang, Xu, et al.
Veröffentlicht: (2026)

Evaluation of Vision-LLMs in Surveillance Video
von: Benschop, Pascal, et al.
Veröffentlicht: (2025)

TOD3Cap: Towards 3D Dense Captioning in Outdoor Scenes
von: Jin, Bu, et al.
Veröffentlicht: (2024)

TALC: Time-Aligned Captions for Multi-Scene Text-to-Video Generation
von: Bansal, Hritik, et al.
Veröffentlicht: (2024)

An Alternative to Stride-Based RNG for Monte Carlo Transport
von: Cuneo, Braxton S., et al.
Veröffentlicht: (2024)

Dyna3DGR: 4D Cardiac Motion Tracking with Dynamic 3D Gaussian Representation
von: Fu, Xueming, et al.
Veröffentlicht: (2025)

IF-VidCap: Can Video Caption Models Follow Instructions?
von: Li, Shihao, et al.
Veröffentlicht: (2025)

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

DynaDrag: Dynamic Drag-Style Image Editing by Motion Prediction
von: Sui, Jiacheng, et al.
Veröffentlicht: (2026)

Inst3D-LMM: Instance-Aware 3D Scene Understanding with Multi-modal Instruction Tuning
von: Yu, Hanxun, et al.
Veröffentlicht: (2025)

Slide-SAM: Medical SAM Meets Sliding Window
von: Quan, Quan, et al.
Veröffentlicht: (2023)

BEV-LLM: Leveraging Multimodal BEV Maps for Scene Captioning in Autonomous Driving
von: Brandstaetter, Felix, et al.
Veröffentlicht: (2025)

SGDiff: Scene Graph Guided Diffusion Model for Image Collaborative SegCaptioning
von: Zhang, Xu, et al.
Veröffentlicht: (2025)

Autonomous Character-Scene Interaction Synthesis from Text Instruction
von: Jiang, Nan, et al.
Veröffentlicht: (2024)

DynaGuide: A Generalizable Dynamic Guidance Framework for Unsupervised Semantic Segmentation
von: Guermazi, Boujemaa, et al.
Veröffentlicht: (2026)