Buchumschlag

EEA: Exploration-Exploitation Agent for Long Video Understanding

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yang, Te, Zhu, Xiangyu, Wang, Bo, Chen, Quan, Jiang, Peng, Lei, Zhen
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

MagicWorld: Towards Long-Horizon Stability for Interactive Video World Exploration
von: Li, Guangyuan, et al.
Veröffentlicht: (2025)

LVAgent: Long Video Understanding by Multi-Round Dynamical Collaboration of MLLM Agents
von: Chen, Boyu, et al.
Veröffentlicht: (2025)

StreamMeCo: Long-Term Agent Memory Compression for Efficient Streaming Video Understanding
von: Wang, Junxi, et al.
Veröffentlicht: (2026)

Progressive Video Condensation with MLLM Agent for Long-form Video Understanding
von: Yin, Yufei, et al.
Veröffentlicht: (2026)

FiLA-Video: Spatio-Temporal Compression for Fine-Grained Long Video Understanding
von: Guo, Yanan, et al.
Veröffentlicht: (2025)

VCA: Video Curious Agent for Long Video Understanding
von: Yang, Zeyuan, et al.
Veröffentlicht: (2024)

Enhancing Instruction-Following Capability of Visual-Language Models by Reducing Image Redundancy
von: Yang, Te, et al.
Veröffentlicht: (2024)

Text-Video Multi-Grained Integration for Video Moment Montage
von: Yin, Zhihui, et al.
Veröffentlicht: (2024)

Iterative Zoom-In: Temporal Interval Exploration for Long Video Understanding
von: Li, Chenglin, et al.
Veröffentlicht: (2025)

Instance-aware Exploration-Verification-Exploitation for Instance ImageGoal Navigation
von: Lei, Xiaohan, et al.
Veröffentlicht: (2024)

Video-XL-Pro: Reconstructive Token Compression for Extremely Long Video Understanding
von: Liu, Xiangrui, et al.
Veröffentlicht: (2025)

AffectSeek: Agentic Affective Understanding in Long Videos under Vague User Queries
von: Zhang, Zhen, et al.
Veröffentlicht: (2026)

Think, Then Verify: A Hypothesis-Verification Multi-Agent Framework for Long Video Understanding
von: Wang, Zheng, et al.
Veröffentlicht: (2026)

MMBench-Video: A Long-Form Multi-Shot Benchmark for Holistic Video Understanding
von: Fang, Xinyu, et al.
Veröffentlicht: (2024)

S2TD-Face: Reconstruct a Detailed 3D Face with Controllable Texture from a Single Sketch
von: Wang, Zidu, et al.
Veröffentlicht: (2024)

LVC: A Lightweight Compression Framework for Enhancing VLMs in Long Video Understanding
von: Wang, Ziyi, et al.
Veröffentlicht: (2025)

AdaSpark: Adaptive Sparsity for Efficient Long-Video Understanding
von: Li, Handong, et al.
Veröffentlicht: (2026)

FlexSelect: Flexible Token Selection for Efficient Long Video Understanding
von: Zhang, Yunzhu, et al.
Veröffentlicht: (2025)

SVAgent: Storyline-Guided Long Video Understanding via Cross-Modal Multi-Agent Collaboration
von: Yang, Zhongyu, et al.
Veröffentlicht: (2026)

Training-free Subject-Enhanced Attention Guidance for Compositional Text-to-image Generation
von: Liu, Shengyuan, et al.
Veröffentlicht: (2024)

STAvatar: Soft Binding and Temporal Density Control for Monocular 3D Head Avatars Reconstruction
von: Zhao, Jiankuo, et al.
Veröffentlicht: (2025)

VideoPro: Adaptive Program Reasoning for Long Video Understanding
von: Li, Chenglin, et al.
Veröffentlicht: (2025)

DevFD: Developmental Face Forgery Detection by Learning Shared and Orthogonal LoRA Subspaces
von: Zhang, Tianshuo, et al.
Veröffentlicht: (2025)

Learn Faster and Remember More: Balancing Exploration and Exploitation for Continual Test-time Adaptation
von: Yang, Pinci, et al.
Veröffentlicht: (2025)

Thinking with Drafts: Speculative Temporal Reasoning for Efficient Long Video Understanding
von: Hu, Pengfei, et al.
Veröffentlicht: (2025)

Video Token Merging for Long-form Video Understanding
von: Lee, Seon-Ho, et al.
Veröffentlicht: (2024)

D&M: Enriching E-commerce Videos with Sound Effects by Key Moment Detection and SFX Matching
von: Liu, Jingyu, et al.
Veröffentlicht: (2024)

ScaleLong: A Multi-Timescale Benchmark for Long Video Understanding
von: Ma, David, et al.
Veröffentlicht: (2025)

Unleashing Hour-Scale Video Training for Long Video-Language Understanding
von: Lin, Jingyang, et al.
Veröffentlicht: (2025)

VISTA: Enhancing Long-Duration and High-Resolution Video Understanding by Video Spatiotemporal Augmentation
von: Ren, Weiming, et al.
Veröffentlicht: (2024)

Symphony: A Cognitively-Inspired Multi-Agent System for Long-Video Understanding
von: Yan, Haiyang, et al.
Veröffentlicht: (2026)

MR. Video: "MapReduce" is the Principle for Long Video Understanding
von: Pang, Ziqi, et al.
Veröffentlicht: (2025)

VideoAgent2: Enhancing the LLM-Based Agent System for Long-Form Video Understanding by Uncertainty-Aware CoT
von: Zhi, Zhuo, et al.
Veröffentlicht: (2025)

Improving Large Vision-Language Models' Understanding for Flow Field Data
von: Zhang, Xiaomei, et al.
Veröffentlicht: (2025)

DATE: Dynamic Absolute Time Enhancement for Long Video Understanding
von: Yuan, Chao, et al.
Veröffentlicht: (2025)

Long Video Understanding with Learnable Retrieval in Video-Language Models
von: Xu, Jiaqi, et al.
Veröffentlicht: (2023)

Learning Compact Video Representations for Efficient Long-form Video Understanding in Large Multimodal Models
von: Chen, Yuxiao, et al.
Veröffentlicht: (2026)

Vamba: Understanding Hour-Long Videos with Hybrid Mamba-Transformers
von: Ren, Weiming, et al.
Veröffentlicht: (2025)

Provoking Multi-modal Few-Shot LVLM via Exploration-Exploitation In-Context Learning
von: Chen, Cheng, et al.
Veröffentlicht: (2025)

VideoMem: Enhancing Ultra-Long Video Understanding via Adaptive Memory Management
von: Jin, Hongbo, et al.
Veröffentlicht: (2025)