Copertina

Perception Test 2025: Challenge Summary and a Unified VQA Extension

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Heyward, Joseph, Parthasarathy, Nikhil, Zhu, Tyler, Mahendran, Aravindh, Carreira, João, Damen, Dima, Zisserman, Andrew, Pătrăucean, Viorica
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Computer Vision and Pattern Recognition
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Perception Test 2024: Challenge Summary and a Novel Hour-Long VideoQA Benchmark
di: Heyward, Joseph, et al.
Pubblicazione: (2024)

Learning from Streaming Video with Orthogonal Gradients
di: Han, Tengda, et al.
Pubblicazione: (2025)

Learning from One Continuous Video Stream
di: Carreira, João, et al.
Pubblicazione: (2023)

Unique Lives, Shared World: Learning from Single-Life Videos
di: Han, Tengda, et al.
Pubblicazione: (2025)

Seeing without Pixels: Perception from Camera Trajectories
di: Xue, Zihui, et al.
Pubblicazione: (2025)

It's Just Another Day: Unique Video Captioning by Discriminative Prompting
di: Perrett, Toby, et al.
Pubblicazione: (2024)

Recurrent Video Masked Autoencoders
di: Zoran, Daniel, et al.
Pubblicazione: (2025)

A Simple Recipe for Contrastively Pre-training Video-First Encoders Beyond 16 Frames
di: Papalampidi, Pinelopi, et al.
Pubblicazione: (2023)

TIM: A Time Interval Machine for Audio-Visual Action Recognition
di: Chalk, Jacob, et al.
Pubblicazione: (2024)

Dynamic Reflections: Probing Video Representations with Text Alignment
di: Zhu, Tyler, et al.
Pubblicazione: (2025)

Get a Grip: Reconstructing Hand-Object Stable Grasps in Egocentric Videos
di: Zhu, Zhifan, et al.
Pubblicazione: (2023)

LayerLock: Non-collapsing Representation Learning with Progressive Freezing
di: Erdogan, Goker, et al.
Pubblicazione: (2025)

TAPVid-3D: A Benchmark for Tracking Any Point in 3D
di: Koppula, Skanda, et al.
Pubblicazione: (2024)

TRecViT: A Recurrent Video Transformer
di: Pătrăucean, Viorica, et al.
Pubblicazione: (2024)

Token Cropr: Faster ViTs for Quite a Few Tasks
di: Bergner, Benjamin, et al.
Pubblicazione: (2024)

Scaling 4D Representations
di: Carreira, João, et al.
Pubblicazione: (2024)

BootsTAP: Bootstrapped Training for Tracking-Any-Point
di: Doersch, Carl, et al.
Pubblicazione: (2024)

Self-supervised video pretraining yields robust and more human-aligned visual representations
di: Parthasarathy, Nikhil, et al.
Pubblicazione: (2022)

Leveraging Auxiliary Information in Text-to-Video Retrieval: A Review
di: Fragomeni, Adriano, et al.
Pubblicazione: (2025)

Leveraging Modality Tags for Enhanced Cross-Modal Video Retrieval
di: Fragomeni, Adriano, et al.
Pubblicazione: (2025)

HOI-Ref: Hand-Object Interaction Referral in Egocentric Vision
di: Bansal, Siddhant, et al.
Pubblicazione: (2024)

Moment of Untruth: Dealing with Negative Queries in Video Moment Retrieval
di: Flanagan, Kevin, et al.
Pubblicazione: (2025)

The Invisible EgoHand: 3D Hand Forecasting through EgoBody Pose Estimation
di: Hatano, Masashi, et al.
Pubblicazione: (2025)

The N-Body Problem: Parallel Execution from Single-Person Egocentric Video
di: Zhu, Zhifan, et al.
Pubblicazione: (2025)

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

Epic-Sounds: A Large-scale Dataset of Actions That Sound
di: Huh, Jaesung, et al.
Pubblicazione: (2023)

Every Shot Counts: Using Exemplars for Repetition Counting in Videos
di: Sinha, Saptarshi, et al.
Pubblicazione: (2024)

PointSt3R: Point Tracking through 3D Grounded Correspondence
di: Guerrier, Rhodri, et al.
Pubblicazione: (2025)

AMEGO: Active Memory from long EGOcentric videos
di: Goletto, Gabriele, et al.
Pubblicazione: (2024)

Video Editing for Video Retrieval
di: Zhu, Bin, et al.
Pubblicazione: (2024)

EgoPoints: Advancing Point Tracking for Egocentric Videos
di: Darkhalil, Ahmad, et al.
Pubblicazione: (2024)

GenHowTo: Learning to Generate Actions and State Transformations from Instructional Videos
di: Souček, Tomáš, et al.
Pubblicazione: (2023)

Segmenting Collision Sound Sources in Egocentric Videos
di: Parida, Kranti Kumar, et al.
Pubblicazione: (2025)

Personalizing Retrieval using Joint Embeddings or "the Return of Fluffy"
di: Korbar, Bruno, et al.
Pubblicazione: (2025)

The Manga Whisperer: Automatically Generating Transcriptions for Comics
di: Sachdeva, Ragav, et al.
Pubblicazione: (2024)

Chirality in Action: Time-Aware Video Representation Learning by Latent Straightening
di: Bagad, Piyush, et al.
Pubblicazione: (2025)

From Panels to Prose: Generating Literary Narratives from Comics
di: Sachdeva, Ragav, et al.
Pubblicazione: (2025)

Beyond Caption-Based Queries for Video Moment Retrieval
di: Pujol-Perich, David, et al.
Pubblicazione: (2026)

Adapting MLLMs for Nuanced Video Retrieval
di: Bagad, Piyush, et al.
Pubblicazione: (2025)

CountGD++: Generalized Prompting for Open-World Counting
di: Amini-Naieni, Niki, et al.
Pubblicazione: (2025)