Buchumschlag

Understanding Multimodal Complementarity for Single-Frame Action Anticipation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Benavent-Lledo, Manuel, Bacharidis, Konstantinos, Papoutsakis, Konstantinos, Argyros, Antonis, Garcia-Rodriguez, Jose
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

Action Anticipation at a Glimpse: To What Extent Can Multimodal Cues Replace Video?
von: Benavent-Lledo, Manuel, et al.
Veröffentlicht: (2025)

Anticipating Object State Changes in Long Procedural Videos
von: Manousaki, Victoria, et al.
Veröffentlicht: (2024)

Vision-Based Mistake Analysis in Procedural Activities: A Review of Advances and Challenges
von: Bacharidis, Konstantinos, et al.
Veröffentlicht: (2025)

Enhancing Action Recognition by Leveraging the Hierarchical Structure of Actions and Textual Context
von: Benavent-Lledo, Manuel, et al.
Veröffentlicht: (2024)

Recognizing Unseen States of Unknown Objects by Leveraging Knowledge Graphs
von: Gouidis, Filipos, et al.
Veröffentlicht: (2023)

Fusing Domain-Specific Content from Large Language Models into Knowledge Graphs for Enhanced Zero Shot Object State Classification
von: Gouidis, Filippos, et al.
Veröffentlicht: (2024)

Text-driven Online Action Detection
von: Benavent-Lledo, Manuel, et al.
Veröffentlicht: (2025)

AIFloodSense: A Global Aerial Imagery Dataset for Semantic Segmentation and Understanding of Flooded Environments
von: Simantiris, Georgios, et al.
Veröffentlicht: (2025)

ENACT: Entropy-based Clustering of Attention Input for Reducing the Computational Needs of Object Detection Transformers
von: Savathrakis, Giorgos, et al.
Veröffentlicht: (2024)

A vision-based framework for human behavior understanding in industrial assembly lines
von: Papoutsakis, Konstantinos, et al.
Veröffentlicht: (2024)

OCCAM: Class-Agnostic, Training-Free, Prior-Free and Multi-Class Object Counting
von: Spanakis, Michail, et al.
Veröffentlicht: (2026)

D-PoSE: Depth as an Intermediate Representation for 3D Human Pose and Shape Estimation
von: Vasilikopoulos, Nikolaos, et al.
Veröffentlicht: (2024)

Multimodal Large Models Are Effective Action Anticipators
von: Wang, Binglu, et al.
Veröffentlicht: (2025)

Y-MAP-Net: Real-time depth, normals, segmentation, multi-label captioning and 2D human pose in RGB images
von: Qammaz, Ammar, et al.
Veröffentlicht: (2024)

Detecting Facial Image Manipulations with Multi-Layer CNN Models
von: Montejano, Alejandro Marco, et al.
Veröffentlicht: (2024)

Combining Facial Videos and Biosignals for Stress Estimation During Driving
von: Valergaki, Paraskevi, et al.
Veröffentlicht: (2026)

Enhancing Monocular 3D Hand Reconstruction with Learned Texture Priors
von: Karvounas, Giorgos, et al.
Veröffentlicht: (2025)

A Survey on Deep Learning Techniques for Action Anticipation
von: Zhong, Zeyun, et al.
Veröffentlicht: (2023)

Action-Guided Attention for Video Action Anticipation
von: Tai, Tsung-Ming, et al.
Veröffentlicht: (2026)

A Single Image and Multimodality Is All You Need for Novel View Synthesis
von: Javadi, Amirhosein, et al.
Veröffentlicht: (2026)

Multi-task Learning For Joint Action and Gesture Recognition
von: Spathis, Konstantinos, et al.
Veröffentlicht: (2025)

Interaction Region Visual Transformer for Egocentric Action Anticipation
von: Roy, Debaditya, et al.
Veröffentlicht: (2022)

Chain-of-Frames: Advancing Video Understanding in Multimodal LLMs via Frame-Aware Reasoning
von: Ghazanfari, Sara, et al.
Veröffentlicht: (2025)

From Recognition to Prediction: Leveraging Sequence Reasoning for Action Anticipation
von: Liu, Xin, et al.
Veröffentlicht: (2024)

Intention Action Anticipation Model with Guide-Feedback Loop Mechanism
von: Ma, Zongnan, et al.
Veröffentlicht: (2024)

Bidirectional Action Sequence Learning for Long-term Action Anticipation with Large Language Models
von: Sato, Yuji, et al.
Veröffentlicht: (2025)

Human Action Anticipation: A Survey
von: Lai, Bolin, et al.
Veröffentlicht: (2024)

Visual WetlandBirds Dataset: Bird Species Identification and Behavior Recognition in Videos
von: Rodriguez-Juan, Javier, et al.
Veröffentlicht: (2025)

Vision-Language-Action (VLA) Models: Concepts, Progress, Applications and Challenges
von: Sapkota, Ranjan, et al.
Veröffentlicht: (2025)

Complementarity-Supervised Spectral-Band Routing for Multimodal Emotion Recognition
von: Huang, Zhexian, et al.
Veröffentlicht: (2026)

Multi-level and Multi-modal Action Anticipation
von: Kim, Seulgi, et al.
Veröffentlicht: (2025)

LaViDa: A Large Diffusion Language Model for Multimodal Understanding
von: Li, Shufan, et al.
Veröffentlicht: (2025)

Semantically Guided Action Anticipation
von: Diko, Anxhelo, et al.
Veröffentlicht: (2024)

MixANT: Observation-dependent Memory Propagation for Stochastic Dense Action Anticipation
von: Wasim, Syed Talal, et al.
Veröffentlicht: (2025)

See It Before You Grab It: Deep Learning-based Action Anticipation in Basketball
von: Roy, Arnau Barrera, et al.
Veröffentlicht: (2025)

Vision and Intention Boost Large Language Model in Long-Term Action Anticipation
von: Cao, Congqi, et al.
Veröffentlicht: (2025)

EgoInteract: Synthetic Egocentric Videos Generation for Interaction Understanding and Anticipation
von: Leonardi, Rosario, et al.
Veröffentlicht: (2026)

Zero-Shot Generative De-identification: Inversion-Free Flow for Privacy-Preserving Skin Image Analysis
von: Moutselos, Konstantinos, et al.
Veröffentlicht: (2026)

Zero-shot Segmentation of Skin Conditions: Erythema with Edit-Friendly Inversion
von: Moutselos, Konstantinos, et al.
Veröffentlicht: (2025)

EEE-Bench: A Comprehensive Multimodal Electrical And Electronics Engineering Benchmark
von: Li, Ming, et al.
Veröffentlicht: (2024)