Enregistré dans:
| Auteurs principaux: | Fang, Bo, Song, Yuxin, Wu, Qiangqiang, Sun, Haoyuan, Wu, Wenhao, Chan, Antoni B. |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | https://arxiv.org/abs/2511.13054 |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Threading Keyframe with Narratives: MLLMs as Strong Long Video Comprehenders
par: Fang, Bo, et autres
Publié: (2025)
par: Fang, Bo, et autres
Publié: (2025)
DistinctAD: Distinctive Audio Description Generation in Contexts
par: Fang, Bo, et autres
Publié: (2024)
par: Fang, Bo, et autres
Publié: (2024)
Learning Tracking Representations from Single Point Annotations
par: Wu, Qiangqiang, et autres
Publié: (2024)
par: Wu, Qiangqiang, et autres
Publié: (2024)
M2P: Improving Visual Foundation Models with Mask-to-Point Weakly-Supervised Learning for Dense Point Tracking
par: Wu, Qiangqiang, et autres
Publié: (2026)
par: Wu, Qiangqiang, et autres
Publié: (2026)
Robust Zero-Shot Crowd Counting and Localization With Adaptive Resolution SAM
par: Wan, Jia, et autres
Publié: (2024)
par: Wan, Jia, et autres
Publié: (2024)
DropMAE: Learning Representations via Masked Autoencoders with Spatial-Attention Dropout for Temporal Matching Tasks
par: Wu, Qiangqiang, et autres
Publié: (2023)
par: Wu, Qiangqiang, et autres
Publié: (2023)
ViTCN: Vision Transformer Contrastive Network For Reasoning
par: Song, Bo, et autres
Publié: (2024)
par: Song, Bo, et autres
Publié: (2024)
Video-R1: Reinforcing Video Reasoning in MLLMs
par: Feng, Kaituo, et autres
Publié: (2025)
par: Feng, Kaituo, et autres
Publié: (2025)
SpaceR: Reinforcing MLLMs in Video Spatial Reasoning
par: Ouyang, Kun, et autres
Publié: (2025)
par: Ouyang, Kun, et autres
Publié: (2025)
Temporal Unlearnable Examples: Preventing Personal Video Data from Unauthorized Exploitation by Object Tracking
par: Wu, Qiangqiang, et autres
Publié: (2025)
par: Wu, Qiangqiang, et autres
Publié: (2025)
Point-to-Region Loss for Semi-Supervised Point-Based Crowd Counting
par: Lin, Wei, et autres
Publié: (2025)
par: Lin, Wei, et autres
Publié: (2025)
VideoSSR: Video Self-Supervised Reinforcement Learning
par: He, Zefeng, et autres
Publié: (2025)
par: He, Zefeng, et autres
Publié: (2025)
Leveraging Motion Information for Better Self-Supervised Video Correspondence Learning
par: Zhou, Zihan, et autres
Publié: (2025)
par: Zhou, Zihan, et autres
Publié: (2025)
Power Reinforcement Post-Training of Text-to-Image Models with Super-Linear Advantage Shaping
par: Sun, Haoyuan, et autres
Publié: (2026)
par: Sun, Haoyuan, et autres
Publié: (2026)
ViRC: Enhancing Visual Interleaved Mathematical CoT with Reason Chunking
par: Wang, Lihong, et autres
Publié: (2025)
par: Wang, Lihong, et autres
Publié: (2025)
ViViD: Video Virtual Try-on using Diffusion Models
par: Fang, Zixun, et autres
Publié: (2024)
par: Fang, Zixun, et autres
Publié: (2024)
SS3D: End2End Self-Supervised 3D from Web Videos
par: Hariat, Marwane, et autres
Publié: (2026)
par: Hariat, Marwane, et autres
Publié: (2026)
SelfHVD: Self-Supervised Handheld Video Deblurring
par: Xu, Honglei, et autres
Publié: (2025)
par: Xu, Honglei, et autres
Publié: (2025)
ViC-MAE: Self-Supervised Representation Learning from Images and Video with Contrastive Masked Autoencoders
par: Hernandez, Jefferson, et autres
Publié: (2023)
par: Hernandez, Jefferson, et autres
Publié: (2023)
Foresee-to-Ground: From Predictive Temporal Perception to Evidence-Driven Reasoning for Video Temporal Grounding
par: Zheng, Zelin, et autres
Publié: (2026)
par: Zheng, Zelin, et autres
Publié: (2026)
Dense Point-to-Mask Optimization with Reinforced Point Selection for Crowd Instance Segmentation
par: Chen, Hongru, et autres
Publié: (2026)
par: Chen, Hongru, et autres
Publié: (2026)
Wan-R1: Verifiable-Reinforcement Learning for Video Reasoning
par: Liu, Ming, et autres
Publié: (2026)
par: Liu, Ming, et autres
Publié: (2026)
AggSS: An Aggregated Self-Supervised Approach for Class-Incremental Learning
par: Kalla, Jayateja, et autres
Publié: (2024)
par: Kalla, Jayateja, et autres
Publié: (2024)
Exclusivity-Guided Mask Learning for Semi-Supervised Crowd Instance Segmentation and Counting
par: Huang, Jiyang, et autres
Publié: (2026)
par: Huang, Jiyang, et autres
Publié: (2026)
Self-Supervised Animal Identification for Long Videos
par: Fang, Xuyang, et autres
Publié: (2026)
par: Fang, Xuyang, et autres
Publié: (2026)
Semi-Supervised Transfer Boosting (SS-TrBoosting)
par: Deng, Lingfei, et autres
Publié: (2024)
par: Deng, Lingfei, et autres
Publié: (2024)
Stream-R1: Reliability-Perplexity Aware Reward Distillation for Streaming Video Generation
par: Wu, Bin, et autres
Publié: (2026)
par: Wu, Bin, et autres
Publié: (2026)
Weather-R1: Logically Consistent Reinforcement Fine-Tuning for Multimodal Reasoning in Meteorology
par: Wu, Kaiyu, et autres
Publié: (2026)
par: Wu, Kaiyu, et autres
Publié: (2026)
TinyLLaVA-Video-R1: Towards Smaller LMMs for Video Reasoning
par: Zhang, Xingjian, et autres
Publié: (2025)
par: Zhang, Xingjian, et autres
Publié: (2025)
Multi-View People Detection in Large Scenes via Supervised View-Wise Contribution Weighting
par: Zhang, Qi, et autres
Publié: (2024)
par: Zhang, Qi, et autres
Publié: (2024)
EventSTU: Event-Guided Efficient Spatio-Temporal Understanding for Video Large Language Models
par: Xu, Wenhao, et autres
Publié: (2025)
par: Xu, Wenhao, et autres
Publié: (2025)
FreeVA: Offline MLLM as Training-Free Video Assistant
par: Wu, Wenhao
Publié: (2024)
par: Wu, Wenhao
Publié: (2024)
3D Crowd Counting via Geometric Attention-guided Multi-View Fusion
par: Zhang, Qi, et autres
Publié: (2020)
par: Zhang, Qi, et autres
Publié: (2020)
A Fixed-Point Approach to Unified Prompt-Based Counting
par: Lin, Wei, et autres
Publié: (2024)
par: Lin, Wei, et autres
Publié: (2024)
Self-Supervised Video Desmoking for Laparoscopic Surgery
par: Wu, Renlong, et autres
Publié: (2024)
par: Wu, Renlong, et autres
Publié: (2024)
VideoSeg-R1:Reasoning Video Object Segmentation via Reinforcement Learning
par: Xu, Zishan, et autres
Publié: (2025)
par: Xu, Zishan, et autres
Publié: (2025)
Advancing Video Self-Supervised Learning via Image Foundation Models
par: Wu, Jingwei, et autres
Publié: (2025)
par: Wu, Jingwei, et autres
Publié: (2025)
ViSTec: Video Modeling for Sports Technique Recognition and Tactical Analysis
par: He, Yuchen, et autres
Publié: (2024)
par: He, Yuchen, et autres
Publié: (2024)
InstantViR: Real-Time Video Inverse Problem Solver with Distilled Diffusion Prior
par: Bai, Weimin, et autres
Publié: (2025)
par: Bai, Weimin, et autres
Publié: (2025)
TiViBench: Benchmarking Think-in-Video Reasoning for Video Generative Models
par: Chen, Harold Haodong, et autres
Publié: (2025)
par: Chen, Harold Haodong, et autres
Publié: (2025)
Documents similaires
-
Threading Keyframe with Narratives: MLLMs as Strong Long Video Comprehenders
par: Fang, Bo, et autres
Publié: (2025) -
DistinctAD: Distinctive Audio Description Generation in Contexts
par: Fang, Bo, et autres
Publié: (2024) -
Learning Tracking Representations from Single Point Annotations
par: Wu, Qiangqiang, et autres
Publié: (2024) -
M2P: Improving Visual Foundation Models with Mask-to-Point Weakly-Supervised Learning for Dense Point Tracking
par: Wu, Qiangqiang, et autres
Publié: (2026) -
Robust Zero-Shot Crowd Counting and Localization With Adaptive Resolution SAM
par: Wan, Jia, et autres
Publié: (2024)