Affordance-First Decomposition for Continual Learning in Video-Language Understanding
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Xu, Mengzhu, Liu, Hanzhi, Peng, Ningkang, Chen, Qianyu, Xiao, Canran |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
How to Achieve Prototypical Birth and Death for OOD Detection?
par: Peng, Ningkang, et autres
Publié: (2026)
par: Peng, Ningkang, et autres
Publié: (2026)
Holistic Reliability Propagation: Decoupling Annotation and Prediction for Robust Noisy-Label
par: Mao, Jingyang, et autres
Publié: (2026)
par: Mao, Jingyang, et autres
Publié: (2026)
Is Complex Training Necessary for Long-Tailed OOD Detection? A Re-think from Feature Geometry
par: Peng, Ningkang, et autres
Publié: (2026)
par: Peng, Ningkang, et autres
Publié: (2026)
Learning Visual Affordance from Audio
par: Lu, Lidong, et autres
Publié: (2025)
par: Lu, Lidong, et autres
Publié: (2025)
HamBR: Active Decision Boundary Restoration Based on Hamiltonian Dynamics for Learning with Noisy Labels
par: Peng, Ningkang, et autres
Publié: (2026)
par: Peng, Ningkang, et autres
Publié: (2026)
AffordanceLLM: Grounding Affordance from Vision Language Models
par: Qian, Shengyi, et autres
Publié: (2024)
par: Qian, Shengyi, et autres
Publié: (2024)
VideoAfford: Grounding 3D Affordance from Human-Object-Interaction Videos via Multimodal Large Language Model
par: Wang, Hanqing, et autres
Publié: (2026)
par: Wang, Hanqing, et autres
Publié: (2026)
Affordance-R1: Reinforcement Learning for Generalizable Affordance Reasoning in Multimodal Large Language Model
par: Wang, Hanqing, et autres
Publié: (2025)
par: Wang, Hanqing, et autres
Publié: (2025)
FuncGrasp: Learning Object-Centric Neural Grasp Functions from Single Annotated Example Object
par: Chen, Hanzhi, et autres
Publié: (2024)
par: Chen, Hanzhi, et autres
Publié: (2024)
Efficient Continual Learning through Frequency Decomposition and Integration
par: Liu, Ruiqi, et autres
Publié: (2025)
par: Liu, Ruiqi, et autres
Publié: (2025)
TB-HSU: Hierarchical 3D Scene Understanding with Contextual Affordances
par: Xu, Wenting, et autres
Publié: (2024)
par: Xu, Wenting, et autres
Publié: (2024)
PAVLM: Advancing Point Cloud based Affordance Understanding Via Vision-Language Model
par: Liu, Shang-Ching, et autres
Publié: (2024)
par: Liu, Shang-Ching, et autres
Publié: (2024)
Populate-A-Scene: Affordance-Aware Human Video Generation
par: Shan, Mengyi, et autres
Publié: (2025)
par: Shan, Mengyi, et autres
Publié: (2025)
Radial-Angular Geometry for Reliable Update Diagnosis in Noisy-Label Learning
par: Peng, Ningkang, et autres
Publié: (2026)
par: Peng, Ningkang, et autres
Publié: (2026)
RRNet: Configurable Real-Time Video Enhancement with Arbitrary Local Lighting Variations
par: Yang, Wenlong, et autres
Publié: (2026)
par: Yang, Wenlong, et autres
Publié: (2026)
Long Video Understanding with Learnable Retrieval in Video-Language Models
par: Xu, Jiaqi, et autres
Publié: (2023)
par: Xu, Jiaqi, et autres
Publié: (2023)
GAMR: Geometric-Aware Manifold Regularization with Virtual Outlier Synthesis for Learning with Noisy Labels
par: Peng, Ningkang, et autres
Publié: (2026)
par: Peng, Ningkang, et autres
Publié: (2026)
Learning Precise Affordances from Egocentric Videos for Robotic Manipulation
par: Li, Gen, et autres
Publié: (2024)
par: Li, Gen, et autres
Publié: (2024)
Bisecle: Binding and Separation in Continual Learning for Video Language Understanding
par: Tan, Yue, et autres
Publié: (2025)
par: Tan, Yue, et autres
Publié: (2025)
arg-VU: Affordance Reasoning with Physics-Aware 3D Geometry for Visual Understanding in Robotic Surgery
par: Xiao, Nan, et autres
Publié: (2026)
par: Xiao, Nan, et autres
Publié: (2026)
Low-light Image Enhancement with Retinex Decomposition in Latent Space
par: Zheng, Bolun, et autres
Publié: (2026)
par: Zheng, Bolun, et autres
Publié: (2026)
Learning 2D Invariant Affordance Knowledge for 3D Affordance Grounding
par: Gao, Xianqiang, et autres
Publié: (2024)
par: Gao, Xianqiang, et autres
Publié: (2024)
Early High-Frequency Injection for Geometry-Sensitive OOD Detection
par: Cheng, Chuanjie, et autres
Publié: (2026)
par: Cheng, Chuanjie, et autres
Publié: (2026)
Multi-View Synergistic Learning with Vision-Language Adaption for Low-Resource Biomedical Image Classification
par: Luo, Xiaoliu, et autres
Publié: (2026)
par: Luo, Xiaoliu, et autres
Publié: (2026)
CL-VISTA: Benchmarking Continual Learning in Video Large Language Models
par: Guo, Haiyang, et autres
Publié: (2026)
par: Guo, Haiyang, et autres
Publié: (2026)
RoboPCA: Pose-centered Affordance Learning from Human Demonstrations for Robot Manipulation
par: Xiao, Zhanqi, et autres
Publié: (2026)
par: Xiao, Zhanqi, et autres
Publié: (2026)
VAGNet: Grounding 3D Affordance from Human-Object Interactions in Videos
par: Mao, Aihua, et autres
Publié: (2026)
par: Mao, Aihua, et autres
Publié: (2026)
Learning with Adaptive Prototype Manifolds for Out-of-Distribution Detection
par: Peng, Ningkang, et autres
Publié: (2026)
par: Peng, Ningkang, et autres
Publié: (2026)
When Accuracy Is Not Enough: Uncertainty Collapse between Noisy Label Learning and Out-of-Distribution Detection
par: Peng, Ningkang, et autres
Publié: (2026)
par: Peng, Ningkang, et autres
Publié: (2026)
BOLT: Boost Large Vision-Language Model Without Training for Long-form Video Understanding
par: Liu, Shuming, et autres
Publié: (2025)
par: Liu, Shuming, et autres
Publié: (2025)
DepthSSC: Monocular 3D Semantic Scene Completion via Depth-Spatial Alignment and Voxel Adaptation
par: Yao, Jiawei, et autres
Publié: (2023)
par: Yao, Jiawei, et autres
Publié: (2023)
HarmonicNeRF: Geometry-Informed Synthetic View Augmentation for 3D Scene Reconstruction in Driving Scenarios
par: Pan, Xiaochao, et autres
Publié: (2023)
par: Pan, Xiaochao, et autres
Publié: (2023)
STOP: Integrated Spatial-Temporal Dynamic Prompting for Video Understanding
par: Liu, Zichen, et autres
Publié: (2025)
par: Liu, Zichen, et autres
Publié: (2025)
LongVU: Spatiotemporal Adaptive Compression for Long Video-Language Understanding
par: Shen, Xiaoqian, et autres
Publié: (2024)
par: Shen, Xiaoqian, et autres
Publié: (2024)
Panoramic Affordance Prediction
par: Zhang, Zixin, et autres
Publié: (2026)
par: Zhang, Zixin, et autres
Publié: (2026)
VidBot: Learning Generalizable 3D Actions from In-the-Wild 2D Human Videos for Zero-Shot Robotic Manipulation
par: Chen, Hanzhi, et autres
Publié: (2025)
par: Chen, Hanzhi, et autres
Publié: (2025)
SurveillanceVQA-589K: A Benchmark for Comprehensive Surveillance Video-Language Understanding with Large Models
par: Liu, Bo, et autres
Publié: (2025)
par: Liu, Bo, et autres
Publié: (2025)
EgoExoBench: A Benchmark for First- and Third-person View Video Understanding in MLLMs
par: He, Yuping, et autres
Publié: (2025)
par: He, Yuping, et autres
Publié: (2025)
HyperTokens: Controlling Token Dynamics for Continual Video-Language Understanding
par: Nguyen, Toan, et autres
Publié: (2026)
par: Nguyen, Toan, et autres
Publié: (2026)
AffordanceGrasp-R1:Leveraging Reasoning-Based Affordance Segmentation with Reinforcement Learning for Robotic Grasping
par: Zhou, Dingyi, et autres
Publié: (2026)
par: Zhou, Dingyi, et autres
Publié: (2026)
Documents similaires
-
How to Achieve Prototypical Birth and Death for OOD Detection?
par: Peng, Ningkang, et autres
Publié: (2026) -
Holistic Reliability Propagation: Decoupling Annotation and Prediction for Robust Noisy-Label
par: Mao, Jingyang, et autres
Publié: (2026) -
Is Complex Training Necessary for Long-Tailed OOD Detection? A Re-think from Feature Geometry
par: Peng, Ningkang, et autres
Publié: (2026) -
Learning Visual Affordance from Audio
par: Lu, Lidong, et autres
Publié: (2025) -
HamBR: Active Decision Boundary Restoration Based on Hamiltonian Dynamics for Learning with Noisy Labels
par: Peng, Ningkang, et autres
Publié: (2026)