VideoCompressa: Data-Efficient Video Understanding via Joint Temporal Compression and Spatial Reconstruction
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Wang, Shaobo, Niu, Tianle, Yang, Runkang, Liu, Deshan, He, Xu, Wen, Zichen, He, Conghui, Hu, Xuming, Zhang, Linfeng |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
StreamMeCo: Long-Term Agent Memory Compression for Efficient Streaming Video Understanding
par: Wang, Junxi, et autres
Publié: (2026)
par: Wang, Junxi, et autres
Publié: (2026)
Data Whisperer: Efficient Data Selection for Task-Specific LLM Fine-Tuning via Few-Shot In-Context Learning
par: Wang, Shaobo, et autres
Publié: (2025)
par: Wang, Shaobo, et autres
Publié: (2025)
Respecting Self-Uncertainty in On-Policy Self-Distillation for Efficient LLM Reasoning
par: Ke, Junlong, et autres
Publié: (2026)
par: Ke, Junlong, et autres
Publié: (2026)
VideoLoom: A Video Large Language Model for Joint Spatial-Temporal Understanding
par: Shi, Jiapeng, et autres
Publié: (2026)
par: Shi, Jiapeng, et autres
Publié: (2026)
Dataset Distillation with Neural Characteristic Function: A Minmax Perspective
par: Wang, Shaobo, et autres
Publié: (2025)
par: Wang, Shaobo, et autres
Publié: (2025)
STOP: Integrated Spatial-Temporal Dynamic Prompting for Video Understanding
par: Liu, Zichen, et autres
Publié: (2025)
par: Liu, Zichen, et autres
Publié: (2025)
Shifting AI Efficiency From Model-Centric to Data-Centric Compression
par: Liu, Xuyang, et autres
Publié: (2025)
par: Liu, Xuyang, et autres
Publié: (2025)
DRUPI: Dataset Reduction Using Privileged Information
par: Wang, Shaobo, et autres
Publié: (2024)
par: Wang, Shaobo, et autres
Publié: (2024)
Token Pruning in Multimodal Large Language Models: Are We Solving the Right Problem?
par: Wen, Zichen, et autres
Publié: (2025)
par: Wen, Zichen, et autres
Publié: (2025)
Stop Looking for Important Tokens in Multimodal Language Models: Duplication Matters More
par: Wen, Zichen, et autres
Publié: (2025)
par: Wen, Zichen, et autres
Publié: (2025)
Efficient Multi-modal Large Language Models via Progressive Consistency Distillation
par: Wen, Zichen, et autres
Publié: (2025)
par: Wen, Zichen, et autres
Publié: (2025)
ImagebindDC: Compressing Multi-modal Data with Imagebind-based Condensation
par: Min, Yue, et autres
Publié: (2025)
par: Min, Yue, et autres
Publié: (2025)
AudioKV: KV Cache Eviction in Efficient Large Audio Language Models
par: Wang, Yuxuan, et autres
Publié: (2026)
par: Wang, Yuxuan, et autres
Publié: (2026)
An LMM for Efficient Video Understanding via Reinforced Compression of Video Cubes
par: Qi, Ji, et autres
Publié: (2025)
par: Qi, Ji, et autres
Publié: (2025)
IPCV: Information-Preserving Compression for MLLM Visual Encoders
par: Chen, Yuan, et autres
Publié: (2025)
par: Chen, Yuan, et autres
Publié: (2025)
Temporal2Seq: A Unified Framework for Temporal Video Understanding Tasks
par: Yang, Min, et autres
Publié: (2024)
par: Yang, Min, et autres
Publié: (2024)
Rethinking Token-wise Feature Caching: Accelerating Diffusion Transformers with Dual Feature Caching
par: Zou, Chang, et autres
Publié: (2024)
par: Zou, Chang, et autres
Publié: (2024)
State Space Prompting via Gathering and Spreading Spatio-Temporal Information for Video Understanding
par: Zhou, Jiahuan, et autres
Publié: (2025)
par: Zhou, Jiahuan, et autres
Publié: (2025)
SAVEn-Vid: Synergistic Audio-Visual Integration for Enhanced Understanding in Long Video Context
par: Li, Jungang, et autres
Publié: (2024)
par: Li, Jungang, et autres
Publié: (2024)
T2SGrid: Temporal-to-Spatial Gridification for Video Temporal Grounding
par: Guo, Chaohong, et autres
Publié: (2026)
par: Guo, Chaohong, et autres
Publié: (2026)
VSI: Visual Subtitle Integration for Keyframe Selection to enhance Long Video Understanding
par: He, Jianxiang, et autres
Publié: (2025)
par: He, Jianxiang, et autres
Publié: (2025)
ForestPrune: High-ratio Visual Token Compression for Video Multimodal Large Language Models via Spatial-Temporal Forest Modeling
par: Ju, Shaobo, et autres
Publié: (2026)
par: Ju, Shaobo, et autres
Publié: (2026)
Video-XL-Pro: Reconstructive Token Compression for Extremely Long Video Understanding
par: Liu, Xiangrui, et autres
Publié: (2025)
par: Liu, Xiangrui, et autres
Publié: (2025)
Parental Care in Guayaquila Compressa Walker (Homoptera: Membracidae)
par: Wood, T. K.
Publié: (1978)
par: Wood, T. K.
Publié: (1978)
Video2Layout: Recall and Reconstruct Metric-Grounded Cognitive Map for Spatial Reasoning
par: Huang, Yibin, et autres
Publié: (2025)
par: Huang, Yibin, et autres
Publié: (2025)
Are We Using the Right Benchmark: An Evaluation Framework for Visual Token Compression Methods
par: Liao, Chenfei, et autres
Publié: (2025)
par: Liao, Chenfei, et autres
Publié: (2025)
OVO-Bench: How Far is Your Video-LLMs from Real-World Online Video Understanding?
par: Li, Yifei, et autres
Publié: (2025)
par: Li, Yifei, et autres
Publié: (2025)
VideoRefer Suite: Advancing Spatial-Temporal Object Understanding with Video LLM
par: Yuan, Yuqian, et autres
Publié: (2024)
par: Yuan, Yuqian, et autres
Publié: (2024)
FiLA-Video: Spatio-Temporal Compression for Fine-Grained Long Video Understanding
par: Guo, Yanan, et autres
Publié: (2025)
par: Guo, Yanan, et autres
Publié: (2025)
VideoINSTA: Zero-shot Long Video Understanding via Informative Spatial-Temporal Reasoning with LLMs
par: Liao, Ruotong, et autres
Publié: (2024)
par: Liao, Ruotong, et autres
Publié: (2024)
Exploiting Spatial-Temporal Context for Interacting Hand Reconstruction on Monocular RGB Video
par: Zhao, Weichao, et autres
Publié: (2023)
par: Zhao, Weichao, et autres
Publié: (2023)
$R^2$-Tuning: Efficient Image-to-Video Transfer Learning for Video Temporal Grounding
par: Liu, Ye, et autres
Publié: (2024)
par: Liu, Ye, et autres
Publié: (2024)
STAR-Pose: Efficient Low-Resolution Video Human Pose Estimation via Spatial-Temporal Adaptive Super-Resolution
par: Jin, Yucheng, et autres
Publié: (2025)
par: Jin, Yucheng, et autres
Publié: (2025)
Low-Light Video Enhancement via Spatial-Temporal Consistent Decomposition
par: Xu, Xiaogang, et autres
Publié: (2024)
par: Xu, Xiaogang, et autres
Publié: (2024)
Spatial-Temporal Decoupled Reference Conditioning for Identity-Preserving Text-to-Video Generation
par: Chen, Yuheng, et autres
Publié: (2026)
par: Chen, Yuheng, et autres
Publié: (2026)
Efficient Video Face Enhancement with Enhanced Spatial-Temporal Consistency
par: Wang, Yutong, et autres
Publié: (2024)
par: Wang, Yutong, et autres
Publié: (2024)
Rethinking LLM Evaluation: Can We Evaluate LLMs with 200x Less Data?
par: Wang, Shaobo, et autres
Publié: (2025)
par: Wang, Shaobo, et autres
Publié: (2025)
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)
VideoMamba: State Space Model for Efficient Video Understanding
par: Li, Kunchang, et autres
Publié: (2024)
par: Li, Kunchang, et autres
Publié: (2024)
VIR-Bench: Evaluating Geospatial and Temporal Understanding of MLLMs via Travel Video Itinerary Reconstruction
par: Wang, Hao, et autres
Publié: (2025)
par: Wang, Hao, et autres
Publié: (2025)
Documents similaires
-
StreamMeCo: Long-Term Agent Memory Compression for Efficient Streaming Video Understanding
par: Wang, Junxi, et autres
Publié: (2026) -
Data Whisperer: Efficient Data Selection for Task-Specific LLM Fine-Tuning via Few-Shot In-Context Learning
par: Wang, Shaobo, et autres
Publié: (2025) -
Respecting Self-Uncertainty in On-Policy Self-Distillation for Efficient LLM Reasoning
par: Ke, Junlong, et autres
Publié: (2026) -
VideoLoom: A Video Large Language Model for Joint Spatial-Temporal Understanding
par: Shi, Jiapeng, et autres
Publié: (2026) -
Dataset Distillation with Neural Characteristic Function: A Minmax Perspective
par: Wang, Shaobo, et autres
Publié: (2025)