Enregistré dans:
| Auteurs principaux: | Seo, Jinhwan, Cho, Yoonki, Noh, Junhyug, Yoon, Sung-eui |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | https://arxiv.org/abs/2511.02182 |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Generalizable Person Re-identification via Balancing Alignment and Uniformity
par: Cho, Yoonki, et autres
Publié: (2024)
par: Cho, Yoonki, et autres
Publié: (2024)
Learning Event-guided Exposure-agnostic Video Frame Interpolation via Adaptive Feature Blending
par: Jung, Junsik, et autres
Publié: (2025)
par: Jung, Junsik, et autres
Publié: (2025)
Radiometrically Consistent Gaussian Surfels for Inverse Rendering
par: Han, Kyu Beom, et autres
Publié: (2026)
par: Han, Kyu Beom, et autres
Publié: (2026)
Towards Test-time Efficient Visual Place Recognition via Asymmetric Query Processing
par: Kim, Jaeyoon, et autres
Publié: (2025)
par: Kim, Jaeyoon, et autres
Publié: (2025)
AegisRF: Adversarial Perturbations Guided with Sensitivity for Protecting Intellectual Property of Neural Radiance Fields
par: Kim, Woo Jae, et autres
Publié: (2025)
par: Kim, Woo Jae, et autres
Publié: (2025)
Enhancing Visual Re-ranking through Denoising Nearest Neighbor Graph via Continuous CRF
par: Kim, Jaeyoon, et autres
Publié: (2024)
par: Kim, Jaeyoon, et autres
Publié: (2024)
What and When to Look?: Temporal Span Proposal Network for Video Relation Detection
par: Woo, Sangmin, et autres
Publié: (2021)
par: Woo, Sangmin, et autres
Publié: (2021)
Beyond Softmax: Dual-Branch Sigmoid Architecture for Accurate Class Activation Maps
par: Oh, Yoojin, et autres
Publié: (2025)
par: Oh, Yoojin, et autres
Publié: (2025)
SpaceVLLM: Endowing Multimodal Large Language Model with Spatio-Temporal Video Grounding Capability
par: Wang, Jiankang, et autres
Publié: (2025)
par: Wang, Jiankang, et autres
Publié: (2025)
Detector-Empowered Video Large Language Model for Efficient Spatio-Temporal Grounding
par: Gao, Shida, et autres
Publié: (2025)
par: Gao, Shida, et autres
Publié: (2025)
GroundVTS: Visual Token Sampling in Multimodal Large Language Models for Video Temporal Grounding
par: Fan, Rong, et autres
Publié: (2026)
par: Fan, Rong, et autres
Publié: (2026)
SVAG-Bench: A Large-Scale Benchmark for Multi-Instance Spatio-temporal Video Action Grounding
par: Hannan, Tanveer, et autres
Publié: (2025)
par: Hannan, Tanveer, et autres
Publié: (2025)
Moment Quantization for Video Temporal Grounding
par: Sun, Xiaolong, et autres
Publié: (2025)
par: Sun, Xiaolong, et autres
Publié: (2025)
A Survey on Video Temporal Grounding with Multimodal Large Language Model
par: Wu, Jianlong, et autres
Publié: (2025)
par: Wu, Jianlong, et autres
Publié: (2025)
Beyond the Patch: Exploring Vulnerabilities of Visuomotor Policies via Viewpoint-Consistent 3D Adversarial Object
par: Lee, Chanmi, et autres
Publié: (2026)
par: Lee, Chanmi, et autres
Publié: (2026)
Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Grounding
par: Wasim, Syed Talal, et autres
Publié: (2023)
par: Wasim, Syed Talal, et autres
Publié: (2023)
Know-Show: Benchmarking Video-Language Models on Spatio-Temporal Grounded Reasoning
par: Sugandhika, Chinthani, et autres
Publié: (2025)
par: Sugandhika, Chinthani, et autres
Publié: (2025)
Unleashing the Potential of Multimodal LLMs for Zero-Shot Spatio-Temporal Video Grounding
par: Yang, Zaiquan, et autres
Publié: (2025)
par: Yang, Zaiquan, et autres
Publié: (2025)
Context-Guided Spatio-Temporal Video Grounding
par: Gu, Xin, et autres
Publié: (2024)
par: Gu, Xin, et autres
Publié: (2024)
By My Eyes: Grounding Multimodal Large Language Models with Sensor Data via Visual Prompting
par: Yoon, Hyungjun, et autres
Publié: (2024)
par: Yoon, Hyungjun, et autres
Publié: (2024)
Video-in-the-Loop: Span-Grounded Long Video QA with Interleaved Reasoning
par: Wang, Chendong, et autres
Publié: (2025)
par: Wang, Chendong, et autres
Publié: (2025)
Grounded Multi-Hop VideoQA in Long-Form Egocentric Videos
par: Chen, Qirui, et autres
Publié: (2024)
par: Chen, Qirui, et autres
Publié: (2024)
Grounding-MD: Grounded Video-language Pre-training for Open-World Moment Detection
par: Zhuang, Weijun, et autres
Publié: (2025)
par: Zhuang, Weijun, et autres
Publié: (2025)
Grounding Everything in Tokens for Multimodal Large Language Models
par: Ren, Xiangxuan, et autres
Publié: (2025)
par: Ren, Xiangxuan, et autres
Publié: (2025)
Ordering Matters: Rank-Aware Selective Fusion for Blended Emotion Recognition
par: Lee, Junghyun, et autres
Publié: (2026)
par: Lee, Junghyun, et autres
Publié: (2026)
Towards Long-Form Spatio-Temporal Video Grounding
par: Gu, Xin, et autres
Publié: (2026)
par: Gu, Xin, et autres
Publié: (2026)
VideoMolmo: Spatio-Temporal Grounding Meets Pointing
par: Ahmad, Ghazi Shazan, et autres
Publié: (2025)
par: Ahmad, Ghazi Shazan, et autres
Publié: (2025)
Grounded Chain-of-Thought for Multimodal Large Language Models
par: Wu, Qiong, et autres
Publié: (2025)
par: Wu, Qiong, et autres
Publié: (2025)
Scalp Diagnostic System With Label-Free Segmentation and Training-Free Image Translation
par: Kim, Youngmin, et autres
Publié: (2024)
par: Kim, Youngmin, et autres
Publié: (2024)
SteeringTTA: Guiding Diffusion Trajectories for Robust Test-Time-Adaptation
par: Yu, Jihyun, et autres
Publié: (2025)
par: Yu, Jihyun, et autres
Publié: (2025)
Adversarial Robustness for Visual Grounding of Multimodal Large Language Models
par: Gao, Kuofeng, et autres
Publié: (2024)
par: Gao, Kuofeng, et autres
Publié: (2024)
A Refer-and-Ground Multimodal Large Language Model for Biomedicine
par: Huang, Xiaoshuang, et autres
Publié: (2024)
par: Huang, Xiaoshuang, et autres
Publié: (2024)
Structured Video-Language Modeling with Temporal Grouping and Spatial Grounding
par: Xiong, Yuanhao, et autres
Publié: (2023)
par: Xiong, Yuanhao, et autres
Publié: (2023)
Grounded-VideoLLM: Sharpening Fine-grained Temporal Grounding in Video Large Language Models
par: Wang, Haibo, et autres
Publié: (2024)
par: Wang, Haibo, et autres
Publié: (2024)
Grounding-IQA: Grounding Multimodal Language Model for Image Quality Assessment
par: Chen, Zheng, et autres
Publié: (2024)
par: Chen, Zheng, et autres
Publié: (2024)
UFORecon: Generalizable Sparse-View Surface Reconstruction from Arbitrary and UnFavOrable Sets
par: Na, Youngju, et autres
Publié: (2024)
par: Na, Youngju, et autres
Publié: (2024)
PinpointQA: A Dataset and Benchmark for Small Object-Centric Spatial Understanding in Indoor Videos
par: Zhou, Zhiyu, et autres
Publié: (2026)
par: Zhou, Zhiyu, et autres
Publié: (2026)
Video-OPD: Efficient Post-Training of Multimodal Large Language Models for Temporal Video Grounding via On-Policy Distillation
par: Li, Jiaze, et autres
Publié: (2026)
par: Li, Jiaze, et autres
Publié: (2026)
SpatialMem: Metric-Aligned Long-Horizon Video Memory for Language Grounding and QA
par: Zheng, Xinyi, et autres
Publié: (2026)
par: Zheng, Xinyi, et autres
Publié: (2026)
VideoGLaMM: A Large Multimodal Model for Pixel-Level Visual Grounding in Videos
par: Munasinghe, Shehan, et autres
Publié: (2024)
par: Munasinghe, Shehan, et autres
Publié: (2024)
Documents similaires
-
Generalizable Person Re-identification via Balancing Alignment and Uniformity
par: Cho, Yoonki, et autres
Publié: (2024) -
Learning Event-guided Exposure-agnostic Video Frame Interpolation via Adaptive Feature Blending
par: Jung, Junsik, et autres
Publié: (2025) -
Radiometrically Consistent Gaussian Surfels for Inverse Rendering
par: Han, Kyu Beom, et autres
Publié: (2026) -
Towards Test-time Efficient Visual Place Recognition via Asymmetric Query Processing
par: Kim, Jaeyoon, et autres
Publié: (2025) -
AegisRF: Adversarial Perturbations Guided with Sensitivity for Protecting Intellectual Property of Neural Radiance Fields
par: Kim, Woo Jae, et autres
Publié: (2025)