Buchumschlag

HanDyVQA: A Video QA Benchmark for Fine-Grained Hand-Object Interaction Dynamics

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tateno, Masatoshi, Kato, Gido, Kataoka, Hirokatsu, Sato, Yoichi, Yagi, Takuma
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Learning Multiple Object States from Actions via Large Language Models
von: Tateno, Masatoshi, et al.
Veröffentlicht: (2024)

FineBio: A Fine-Grained Video Dataset of Biological Experiments with Hierarchical Annotation
von: Yagi, Takuma, et al.
Veröffentlicht: (2024)

Simple Visual Artifact Detection in Sora-Generated Videos
von: Sugiyama, Misora, et al.
Veröffentlicht: (2025)

S3OD: Towards Generalizable Salient Object Detection with Synthetic Data
von: Kupyn, Orest, et al.
Veröffentlicht: (2025)

Modeling Fine-Grained Hand-Object Dynamics for Egocentric Video Representation Learning
von: Pei, Baoqi, et al.
Veröffentlicht: (2025)

Exo2EgoDVC: Dense Video Captioning of Egocentric Procedural Activities Using Web Instructional Videos
von: Ohkawa, Takehiko, et al.
Veröffentlicht: (2023)

HandVQA: Diagnosing and Improving Fine-Grained Spatial Reasoning about Hands in Vision-Language Models
von: Sayem, MD Khalequzzaman Chowdhury, et al.
Veröffentlicht: (2026)

Leveraging LLMs with Iterative Loop Structure for Enhanced Social Intelligence in Video Question Answering
von: Mori, Erika, et al.
Veröffentlicht: (2025)

DyTact: Capturing Dynamic Contacts in Hand-Object Manipulation
von: Cong, Xiaoyan, et al.
Veröffentlicht: (2025)

Benchmarks and Challenges in Pose Estimation for Egocentric Hand Interactions with Objects
von: Fan, Zicong, et al.
Veröffentlicht: (2024)

Industrial Synthetic Segment Pre-training
von: Mae, Shinichi, et al.
Veröffentlicht: (2025)

AgroBench: Vision-Language Model Benchmark in Agriculture
von: Shinoda, Risa, et al.
Veröffentlicht: (2025)

EgoInstruct: An Egocentric Video Dataset of Face-to-face Instructional Interactions with Multi-modal LLM Benchmarking
von: Sakai, Yuki, et al.
Veröffentlicht: (2025)

ReXSonoVQA: A Video QA Benchmark for Procedure-Centric Ultrasound Understanding
von: Wang, Xucheng, et al.
Veröffentlicht: (2026)

Human Action Recognition without Human
von: Kataoka, Hirokatsu, et al.
Veröffentlicht: (2016)

Watermark-embedded Adversarial Examples for Copyright Protection against Diffusion Models
von: Zhu, Peifei, et al.
Veröffentlicht: (2024)

QTG-VQA: Question-Type-Guided Architectural for VideoQA Systems
von: He, Zhixian, et al.
Veröffentlicht: (2024)

DynaHOI: Benchmarking Hand-Object Interaction for Dynamic Target
von: Hu, BoCheng, et al.
Veröffentlicht: (2026)

ReasVQA: Advancing VideoQA with Imperfect Reasoning Process
von: Liang, Jianxin, et al.
Veröffentlicht: (2025)

Can masking background and object reduce static bias for zero-shot action recognition?
von: Fukuzawa, Takumi, et al.
Veröffentlicht: (2025)

Pre-training with 3D Synthetic Data: Learning 3D Point Cloud Instance Segmentation from 3D Synthetic Scenes
von: Otsuka, Daichi, et al.
Veröffentlicht: (2025)

ActionVOS: Actions as Prompts for Video Object Segmentation
von: Ouyang, Liangyang, et al.
Veröffentlicht: (2024)

HOI-Swap: Swapping Objects in Videos with Hand-Object Interaction Awareness
von: Xue, Zihui, et al.
Veröffentlicht: (2024)

PhysHanDI: Physics-Based Reconstruction of Hand-Deformable Object Interactions
von: Lee, Jihyun, et al.
Veröffentlicht: (2026)

Seeking Flat Minima with Mean Teacher on Semi- and Weakly-Supervised Domain Generalization for Object Detection
von: Furuta, Ryosuke, et al.
Veröffentlicht: (2023)

AssemblyHands-X: Modeling 3D Hand-Body Coordination for Understanding Bimanual Human Activities
von: Banno, Tatsuro, et al.
Veröffentlicht: (2025)

Reconstructing Objects along Hand Interaction Timelines in Egocentric Video
von: Zhu, Zhifan, et al.
Veröffentlicht: (2025)

Hand-Object Interaction Pretraining from Videos
von: Singh, Himanshu Gaurav, et al.
Veröffentlicht: (2024)

Single-to-Dual-View Adaptation for Egocentric 3D Hand Pose Estimation
von: Liu, Ruicong, et al.
Veröffentlicht: (2024)

MedFrameQA: A Multi-Image Medical VQA Benchmark for Clinical Reasoning
von: Yu, Suhao, et al.
Veröffentlicht: (2025)

Primitive Geometry Segment Pre-training for 3D Medical Image Segmentation
von: Tadokoro, Ryu, et al.
Veröffentlicht: (2024)

Exploring Limits of Diffusion-Synthetic Training with Weakly Supervised Semantic Segmentation
von: Yoshihashi, Ryota, et al.
Veröffentlicht: (2023)

AnimalClue: Recognizing Animals by their Traces
von: Shinoda, Risa, et al.
Veröffentlicht: (2025)

PowerCLIP: Powerset Alignment for Contrastive Pre-Training
von: Kawamura, Masaki, et al.
Veröffentlicht: (2025)

Pre-Training for 3D Hand Pose Estimation with Contrastive Learning on Large-Scale Hand Images in the Wild
von: Lin, Nie, et al.
Veröffentlicht: (2024)

MoireDB: Formula-generated Interference-fringe Image Dataset
von: Matsuo, Yuto, et al.
Veröffentlicht: (2025)

SocialDirector: Training-Free Social Interaction Control for Multi-Person Video Generation
von: Ouyang, Liangyang, et al.
Veröffentlicht: (2026)

ProactiveVideoQA: A Comprehensive Benchmark Evaluating Proactive Interactions in Video Large Language Models
von: Wang, Yueqian, et al.
Veröffentlicht: (2025)

3D sans 3D Scans: Scalable Pre-training from Video-Generated Point Clouds
von: Yamada, Ryousuke, et al.
Veröffentlicht: (2025)

Do Egocentric Video-Language Models Truly Understand Hand-Object Interactions?
von: Xu, Boshen, et al.
Veröffentlicht: (2024)