Buchumschlag

Spatial-Conditioned Reasoning in Long-Egocentric Videos

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tribble, James, Wang, Hao, Hong, Si-En, Zhou, Chaoyi, Bastola, Ashish, Huang, Siyu, Razi, Abolfazl
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Motion Focus Recognition in Fast-Moving Egocentric Video
von: Hong, Si-En, et al.
Veröffentlicht: (2026)

Fast 2DGS: Efficient Image Representation with Deep Gaussian Prior
von: Wang, Hao, et al.
Veröffentlicht: (2025)

Diffusion Prism: Enhancing Diversity and Morphology Consistency in Mask-to-Image Diffusion
von: Wang, Hao, et al.
Veröffentlicht: (2025)

RobustFormer: Noise-Robust Pre-training for images and videos
von: Bastola, Ashish, et al.
Veröffentlicht: (2024)

Motor Focus: Fast Ego-Motion Prediction for Assistive Visual Navigation
von: Wang, Hao, et al.
Veröffentlicht: (2024)

VisionGPT: LLM-Assisted Real-Time Anomaly Detection for Safe Visual Navigation
von: Wang, Hao, et al.
Veröffentlicht: (2024)

FLAME Diffuser: Wildfire Image Synthesis using Mask Guided Diffusion
von: Wang, Hao, et al.
Veröffentlicht: (2024)

AtomDiffuser: Time-Aware Degradation Modeling for Drift and Beam Damage in STEM Imaging
von: Wang, Hao, et al.
Veröffentlicht: (2025)

EgoLCD: Egocentric Video Generation with Long Context Diffusion
von: Zhang, Liuzhou, et al.
Veröffentlicht: (2025)

Ego-R1: Chain-of-Tool-Thought for Ultra-Long Egocentric Video Reasoning
von: Tian, Shulin, et al.
Veröffentlicht: (2025)

3DGS-Enhancer: Enhancing Unbounded 3D Gaussian Splatting with View-consistent 2D Diffusion Priors
von: Liu, Xi, et al.
Veröffentlicht: (2024)

Latent Radiance Fields with 3D-aware 2D Representations
von: Zhou, Chaoyi, et al.
Veröffentlicht: (2025)

Grounded Question-Answering in Long Egocentric Videos
von: Di, Shangzhe, et al.
Veröffentlicht: (2023)

X-LeBench: A Benchmark for Extremely Long Egocentric Video Understanding
von: Zhou, Wenqi, et al.
Veröffentlicht: (2025)

Seeing Together: Multi-Robot Cooperative Egocentric Spatial Reasoning with Multimodal Large Language Models
von: Peng, Kunyu, et al.
Veröffentlicht: (2026)

Grounded Multi-Hop VideoQA in Long-Form Egocentric Videos
von: Chen, Qirui, et al.
Veröffentlicht: (2024)

Intention-Conditioned Long-Term Human Egocentric Action Forecasting
von: Mascaro, Esteve Valls, et al.
Veröffentlicht: (2022)

Towards Temporal Compositional Reasoning in Long-Form Sports Videos
von: Cao, Siyu, et al.
Veröffentlicht: (2026)

Imaging Signal Recovery Using Neural Network Priors Under Uncertain Forward Model Parameters
von: Chen, Xiwen, et al.
Veröffentlicht: (2024)

VCBench: A Streaming Counting Benchmark for Spatial-Temporal State Maintenance in Long Videos
von: Liu, Pengyiang, et al.
Veröffentlicht: (2026)

Bezier Splatting for Fast and Differentiable Vector Graphics Rendering
von: Liu, Xi, et al.
Veröffentlicht: (2025)

ESVQA: Perceptual Quality Assessment of Egocentric Spatial Videos
von: Zhu, Xilei, et al.
Veröffentlicht: (2024)

SpaceR: Reinforcing MLLMs in Video Spatial Reasoning
von: Ouyang, Kun, et al.
Veröffentlicht: (2025)

EgoVITA: Learning to Plan and Verify for Egocentric Video Reasoning
von: Kulkarni, Yogesh, et al.
Veröffentlicht: (2025)

Spatial Cognition from Egocentric Video: Out of Sight, Not Out of Mind
von: Plizzari, Chiara, et al.
Veröffentlicht: (2024)

EgoMemReason: A Memory-Driven Reasoning Benchmark for Long-Horizon Egocentric Video Understanding
von: Wang, Ziyang, et al.
Veröffentlicht: (2026)

FedMIL: Federated-Multiple Instance Learning for Video Analysis with Optimized DPP Scheduling
von: Bastola, Ashish, et al.
Veröffentlicht: (2024)

FlexiFilm: Long Video Generation with Flexible Conditions
von: Ouyang, Yichen, et al.
Veröffentlicht: (2024)

Retrieval-Augmented Egocentric Video Captioning
von: Xu, Jilan, et al.
Veröffentlicht: (2024)

Spatially Prompted Visual Trajectory Prediction for Egocentric Manipulation
von: Li, Yifan, et al.
Veröffentlicht: (2026)

VideoINSTA: Zero-shot Long Video Understanding via Informative Spatial-Temporal Reasoning with LLMs
von: Liao, Ruotong, et al.
Veröffentlicht: (2024)

EGOILLUSION: Benchmarking Hallucinations in Egocentric Video Understanding
von: Seth, Ashish, et al.
Veröffentlicht: (2025)

Out of Sight, Not Out of Context? Egocentric Spatial Reasoning in VLMs Across Disjoint Frames
von: Ravi, Sahithya, et al.
Veröffentlicht: (2025)

Estimating Ego-Body Pose from Doubly Sparse Egocentric Video Data
von: Chi, Seunggeun, et al.
Veröffentlicht: (2024)

EgoMotion: Hierarchical Reasoning and Diffusion for Egocentric Vision-Language Motion Generation
von: Hou, Ruibing, et al.
Veröffentlicht: (2026)

Being-H0.7: A Latent World-Action Model from Egocentric Videos
von: Luo, Hao, et al.
Veröffentlicht: (2026)

EgoVideo: Exploring Egocentric Foundation Model and Downstream Adaptation
von: Pei, Baoqi, et al.
Veröffentlicht: (2024)

Incentivizing Temporal-Awareness in Egocentric Video Understanding Models
von: Xu, Zhiyang, et al.
Veröffentlicht: (2026)

Enhancing Digital Hologram Reconstruction Using Reverse-Attention Loss for Untrained Physics-Driven Deep Learning Models with Uncertain Distance
von: Chen, Xiwen, et al.
Veröffentlicht: (2024)

Exploring Audio Hallucination in Egocentric Video Understanding
von: Seth, Ashish, et al.
Veröffentlicht: (2026)