StreamGaze: Gaze-Guided Temporal Reasoning and Proactive Understanding in Streaming Videos
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Lee, Daeun, Mukherjee, Subhojyoti, Kveton, Branislav, Rossi, Ryan A., Lai, Viet Dac, Yoon, Seunghyun, Bui, Trung, Dernoncourt, Franck, Bansal, Mohit |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Offline RL by Reward-Weighted Fine-Tuning for Conversation Optimization
par: Mukherjee, Subhojyoti, et autres
Publié: (2025)
par: Mukherjee, Subhojyoti, et autres
Publié: (2025)
SlimLM: An Efficient Small Language Model for On-Device Document Assistance
par: Pham, Thang M., et autres
Publié: (2024)
par: Pham, Thang M., et autres
Publié: (2024)
AdvantageFlow: Advantage-Weighted Least Squares for RL in Flow Models
par: Kveton, Branislav, et autres
Publié: (2026)
par: Kveton, Branislav, et autres
Publié: (2026)
ViT-AdaLA: Adapting Vision Transformers with Linear Attention
par: Li, Yifan, et autres
Publié: (2026)
par: Li, Yifan, et autres
Publié: (2026)
Agentic Planning with Reasoning for Image Styling via Offline RL
par: Mukherjee, Subhojyoti, et autres
Publié: (2026)
par: Mukherjee, Subhojyoti, et autres
Publié: (2026)
Partial Policy Gradients for RL in LLMs
par: Mathur, Puneet, et autres
Publié: (2026)
par: Mathur, Puneet, et autres
Publié: (2026)
CORG: Generating Answers from Complex, Interrelated Contexts
par: Lee, Hyunji, et autres
Publié: (2025)
par: Lee, Hyunji, et autres
Publié: (2025)
Towards Enhancing Coherence in Extractive Summarization: Dataset and Experiments with LLMs
par: Parmar, Mihir, et autres
Publié: (2024)
par: Parmar, Mihir, et autres
Publié: (2024)
Drift No More? Context Equilibria in Multi-Turn LLM Interactions
par: Dongre, Vardhan, et autres
Publié: (2025)
par: Dongre, Vardhan, et autres
Publié: (2025)
NoLiMa: Long-Context Evaluation Beyond Literal Matching
par: Modarressi, Ali, et autres
Publié: (2025)
par: Modarressi, Ali, et autres
Publié: (2025)
DynaSaur: Large Language Agents Beyond Predefined Actions
par: Nguyen, Dang, et autres
Publié: (2024)
par: Nguyen, Dang, et autres
Publié: (2024)
Understanding Generative AI Capabilities in Everyday Image Editing Tasks
par: Taesiri, Mohammad Reza, et autres
Publié: (2025)
par: Taesiri, Mohammad Reza, et autres
Publié: (2025)
Can Large Language Models Keep Up? Benchmarking Online Adaptation to Continual Knowledge Streams
par: Kim, Jiyeon, et autres
Publié: (2026)
par: Kim, Jiyeon, et autres
Publié: (2026)
LUSIFER: Language Universal Space Integration for Enhanced Multilingual Embeddings with Large Language Models
par: Man, Hieu, et autres
Publié: (2025)
par: Man, Hieu, et autres
Publié: (2025)
When Attention Closes: How LLMs Lose the Thread in Multi-Turn Interaction
par: Dongre, Vardhan, et autres
Publié: (2026)
par: Dongre, Vardhan, et autres
Publié: (2026)
GazeQwen: Lightweight Gaze-Conditioned LLM Modulation for Streaming Video Understanding
par: Pham, Trong Thang, et autres
Publié: (2026)
par: Pham, Trong Thang, et autres
Publié: (2026)
FIFA: Unified Faithfulness Evaluation Framework for Text-to-Video and Video-to-Text Generation
par: Jing, Liqiang, et autres
Publié: (2025)
par: Jing, Liqiang, et autres
Publié: (2025)
Learning to Reason in LLMs by Expectation Maximization
par: Lee, Junghyun, et autres
Publié: (2025)
par: Lee, Junghyun, et autres
Publié: (2025)
MLLM as a UI Judge: Benchmarking Multimodal LLMs for Predicting Human Perception of User Interfaces
par: Luera, Reuben A., et autres
Publié: (2025)
par: Luera, Reuben A., et autres
Publié: (2025)
Instruction Tuning with and without Context: Behavioral Shifts and Downstream Impact
par: Lee, Hyunji, et autres
Publié: (2025)
par: Lee, Hyunji, et autres
Publié: (2025)
Efficient and Interpretable Bandit Algorithms
par: Mukherjee, Subhojyoti, et autres
Publié: (2023)
par: Mukherjee, Subhojyoti, et autres
Publié: (2023)
An Analysis of Multilingual FActScore
par: Vu, Kim Trong, et autres
Publié: (2024)
par: Vu, Kim Trong, et autres
Publié: (2024)
Identifying Speakers in Dialogue Transcripts: A Text-based Approach Using Pretrained Language Models
par: Nguyen, Minh, et autres
Publié: (2024)
par: Nguyen, Minh, et autres
Publié: (2024)
Experimental Design for Active Transductive Inference in Large Language Models
par: Mukherjee, Subhojyoti, et autres
Publié: (2024)
par: Mukherjee, Subhojyoti, et autres
Publié: (2024)
MS4UI: A Dataset for Multi-modal Summarization of User Interface Instructional Videos
par: Zang, Yuan, et autres
Publié: (2025)
par: Zang, Yuan, et autres
Publié: (2025)
Reasoning-Based Personalized Generation for Users with Sparse Data
par: Ni, Bo, et autres
Publié: (2026)
par: Ni, Bo, et autres
Publié: (2026)
Fine-tuning CLIP Text Encoders with Two-step Paraphrasing
par: Kim, Hyunjae, et autres
Publié: (2024)
par: Kim, Hyunjae, et autres
Publié: (2024)
RecGaze: The First Eye Tracking and User Interaction Dataset for Carousel Interfaces
par: de Leon-Martinez, Santiago, et autres
Publié: (2025)
par: de Leon-Martinez, Santiago, et autres
Publié: (2025)
Self-Correcting Text-to-Video Generation with Misalignment Detection and Localized Refinement
par: Lee, Daeun, et autres
Publié: (2024)
par: Lee, Daeun, et autres
Publié: (2024)
Video-Skill-CoT: Skill-based Chain-of-Thoughts for Domain-Adaptive Video Reasoning
par: Lee, Daeun, et autres
Publié: (2025)
par: Lee, Daeun, et autres
Publié: (2025)
GazeDETR: Gaze Detection using Disentangled Head and Gaze Representations
par: de Belen, Ryan Anthony Jalova, et autres
Publié: (2025)
par: de Belen, Ryan Anthony Jalova, et autres
Publié: (2025)
Spatio-Temporal Attention and Gaussian Processes for Personalized Video Gaze Estimation
par: Jindal, Swati, et autres
Publié: (2024)
par: Jindal, Swati, et autres
Publié: (2024)
Taipan: Efficient and Expressive State Space Language Models with Selective Attention
par: Van Nguyen, Chien, et autres
Publié: (2024)
par: Van Nguyen, Chien, et autres
Publié: (2024)
A Review of Driver Gaze Estimation and Application in Gaze Behavior Understanding
par: Sharma, Pavan Kumar, et autres
Publié: (2023)
par: Sharma, Pavan Kumar, et autres
Publié: (2023)
Lizard: An Efficient Linearization Framework for Large Language Models
par: Van Nguyen, Chien, et autres
Publié: (2025)
par: Van Nguyen, Chien, et autres
Publié: (2025)
Retrieval Augmented Generation for Domain-specific Question Answering
par: Sharma, Sanat, et autres
Publié: (2024)
par: Sharma, Sanat, et autres
Publié: (2024)
Scaling Up Video Summarization Pretraining with Large Language Models
par: Argaw, Dawit Mureja, et autres
Publié: (2024)
par: Argaw, Dawit Mureja, et autres
Publié: (2024)
Steering MoE LLMs via Expert (De)Activation
par: Fayyaz, Mohsen, et autres
Publié: (2025)
par: Fayyaz, Mohsen, et autres
Publié: (2025)
Toward Robust Hyper-Detailed Image Captioning: A Multiagent Approach and Dual Evaluation Metrics for Factuality and Coverage
par: Lee, Saehyung, et autres
Publié: (2024)
par: Lee, Saehyung, et autres
Publié: (2024)
A Survey on LLM-based Conversational User Simulation
par: Ni, Bo, et autres
Publié: (2026)
par: Ni, Bo, et autres
Publié: (2026)
Documents similaires
-
Offline RL by Reward-Weighted Fine-Tuning for Conversation Optimization
par: Mukherjee, Subhojyoti, et autres
Publié: (2025) -
SlimLM: An Efficient Small Language Model for On-Device Document Assistance
par: Pham, Thang M., et autres
Publié: (2024) -
AdvantageFlow: Advantage-Weighted Least Squares for RL in Flow Models
par: Kveton, Branislav, et autres
Publié: (2026) -
ViT-AdaLA: Adapting Vision Transformers with Linear Attention
par: Li, Yifan, et autres
Publié: (2026) -
Agentic Planning with Reasoning for Image Styling via Offline RL
par: Mukherjee, Subhojyoti, et autres
Publié: (2026)