Buchumschlag

Boosting Point-supervised Temporal Action Localization via Text Refinement and Alignment

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ma, Yunchuan, Qing, Laiyun, Li, Guorong, Liu, Yuqing, Qi, Yuankai, Huang, Qingming
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

Exploring the Temporal Consistency for Point-Level Weakly-Supervised Temporal Action Localization
von: Ma, Yunchuan, et al.
Veröffentlicht: (2026)

RETTA: Retrieval-Enhanced Test-Time Adaptation for Zero-Shot Video Captioning
von: Ma, Yunchuan, et al.
Veröffentlicht: (2024)

SOVC: Subject-Oriented Video Captioning
von: Teng, Chang, et al.
Veröffentlicht: (2023)

SDVPT: Semantic-Driven Visual Prompt Tuning for Open-World Object Counting
von: Zhao, Yiming, et al.
Veröffentlicht: (2025)

Foresee-to-Ground: From Predictive Temporal Perception to Evidence-Driven Reasoning for Video Temporal Grounding
von: Zheng, Zelin, et al.
Veröffentlicht: (2026)

Collaborative Temporal Consistency Learning for Point-supervised Natural Language Video Localization
von: Tao, Zhuo, et al.
Veröffentlicht: (2025)

HR-Pro: Point-supervised Temporal Action Localization via Hierarchical Reliability Propagation
von: Zhang, Huaxin, et al.
Veröffentlicht: (2023)

The Devil is in the Distributions: Explicit Modeling of Scene Content is Key in Zero-Shot Video Captioning
von: Tian, Mingkai, et al.
Veröffentlicht: (2025)

Temporal Action Localization with Cross Layer Task Decoupling and Refinement
von: Li, Qiang, et al.
Veröffentlicht: (2024)

Self-supervised Representation Learning with Local Aggregation for Image-based Profiling
von: Dai, Siran, et al.
Veröffentlicht: (2025)

When the Future Becomes the Past: Taming Temporal Correspondence for Self-supervised Video Representation Learning
von: Liu, Yang, et al.
Veröffentlicht: (2025)

Decorrelating Structure via Adapters Makes Ensemble Learning Practical for Semi-supervised Learning
von: Wu, Jiaqi, et al.
Veröffentlicht: (2024)

Full-Stage Pseudo Label Quality Enhancement for Weakly-supervised Temporal Action Localization
von: Feng, Qianhan, et al.
Veröffentlicht: (2024)

CPR++: Object Localization via Single Coarse Point Supervision
von: Yu, Xuehui, et al.
Veröffentlicht: (2024)

Exploring Structural Degradation in Dense Representations for Self-supervised Learning
von: Dai, Siran, et al.
Veröffentlicht: (2025)

Convex Combination Consistency between Neighbors for Weakly-supervised Action Localization
von: Liu, Qinying, et al.
Veröffentlicht: (2022)

Zoom-Refine: Boosting High-Resolution Multimodal Understanding via Localized Zoom and Self-Refinement
von: Yu, Xuan, et al.
Veröffentlicht: (2025)

STAT: Towards Generalizable Temporal Action Localization
von: Liu, Yangcen, et al.
Veröffentlicht: (2024)

Text-Driven Diverse Facial Texture Generation via Progressive Latent-Space Refinement
von: Wang, Chi, et al.
Veröffentlicht: (2024)

Boosting Semi-Supervised Temporal Action Localization by Learning from Non-Target Classes
von: Xia, Kun, et al.
Veröffentlicht: (2024)

POTLoc: Pseudo-Label Oriented Transformer for Point-Supervised Temporal Action Localization
von: Vahdani, Elahe, et al.
Veröffentlicht: (2023)

Bootstrapping Physics-Grounded Video Generation through VLM-Guided Iterative Self-Refinement
von: Liu, Yang, et al.
Veröffentlicht: (2025)

Learning to Localize Actions in Instructional Videos with LLM-Based Multi-Pathway Text-Video Alignment
von: Chen, Yuxiao, et al.
Veröffentlicht: (2024)

Learning Temporal 3D Semantic Scene Completion via Optical Flow Guidance
von: Wang, Meng, et al.
Veröffentlicht: (2025)

CoSyncDiT: Cognitive Synchronous Diffusion Transformer for Movie Dubbing
von: Cong, Gaoxiang, et al.
Veröffentlicht: (2026)

Pick-and-Draw: Training-free Semantic Guidance for Text-to-Image Personalization
von: Lv, Henglei, et al.
Veröffentlicht: (2024)

Refinement via Regeneration: Enlarging Modification Space Boosts Image Refinement in Unified Multimodal Models
von: Guo, Jiayi, et al.
Veröffentlicht: (2026)

Uncertainty-aware Long-tailed Weights Model the Utility of Pseudo-labels for Semi-supervised Learning
von: Wu, Jiaqi, et al.
Veröffentlicht: (2025)

Enhancing Pre-trained Representation Classifiability can Boost its Interpretability
von: Shen, Shufan, et al.
Veröffentlicht: (2025)

Coarse-to-Fine Monocular Re-Localization in OpenStreetMap via Semantic Alignment
von: Zou, Yuchen, et al.
Veröffentlicht: (2026)

From Static to Dynamic: Exploring Self-supervised Image-to-Video Representation Transfer Learning
von: Liu, Yang, et al.
Veröffentlicht: (2026)

Self-Supervised Point Cloud Completion based on Multi-View Augmentations of Single Partial Point Cloud
von: Lu, Jingjing, et al.
Veröffentlicht: (2025)

MambaLCT: Boosting Tracking via Long-term Context State Space Model
von: Li, Xiaohai, et al.
Veröffentlicht: (2024)

Chain-of-Evidence Multimodal Reasoning for Few-shot Temporal Action Localization
von: Qi, Mengshi, et al.
Veröffentlicht: (2025)

FDDet: Frequency-Decoupling for Boundary Refinement in Temporal Action Detection
von: Zhu, Xinnan, et al.
Veröffentlicht: (2025)

STAR-IOD: Scale-decoupled Topology Alignment with Pseudo-label Refinement for Remote Sensing Incremental Object Detection
von: Zhang, Yaoteng, et al.
Veröffentlicht: (2026)

Bias-Conflict Sample Synthesis and Adversarial Removal Debias Strategy for Temporal Sentence Grounding in Video
von: Qi, Zhaobo, et al.
Veröffentlicht: (2024)

PointSmile: Point Self-supervised Learning via Curriculum Mutual Information
von: Li, Xin, et al.
Veröffentlicht: (2023)

FMI-TAL: Few-shot Multiple Instances Temporal Action Localization by Probability Distribution Learning and Interval Cluster Refinement
von: Wang, Fengshun, et al.
Veröffentlicht: (2024)

Egocentric Action-aware Inertial Localization in Point Clouds with Vision-Language Guidance
von: Zhang, Mingfang, et al.
Veröffentlicht: (2025)