Detector-Empowered Video Large Language Model for Efficient Spatio-Temporal Grounding

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Gao, Shida, Xue, Feng, Wang, Xiangfeng, Ming, Anlong, Lin, Zhaowen, Zhang, Haiyang, Long, Teng, Sebe, Nicu, Shao, Yihua, Wang, Haozhe, Wang, Wei
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!

Online

https://arxiv.org/abs/2512.06673