Buchumschlag

Cross-View World Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sharma, Rishabh, Hogervorst, Gijs, Mackey, Wayne E., Heeger, David J., Martiniani, Stefano
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Looking Beyond the Known: Towards a Data Discovery Guided Open-World Object Detection
von: Majee, Anay, et al.
Veröffentlicht: (2025)

BEV-CV: Birds-Eye-View Transform for Cross-View Geo-Localisation
von: Shore, Tavis, et al.
Veröffentlicht: (2023)

Fusion Complexity Inversion: Why Simpler Cross View Modules Outperform SSMs and Cross View Attention Transformers for Pasture Biomass Regression
von: Mandal, Mridankan
Veröffentlicht: (2026)

AI-CNet3D: An Anatomically-Informed Cross-Attention Network with Multi-Task Consistency Fine-tuning for 3D Glaucoma Classification
von: Kenia, Roshan, et al.
Veröffentlicht: (2025)

Modeling Urban Food Insecurity with Google Street View Images
von: Li, David
Veröffentlicht: (2025)

SHaSaM: Submodular Hard Sample Mining for Fair Facial Attribute Recognition
von: Majee, Anay, et al.
Veröffentlicht: (2026)

Unified Knowledge Distillation Framework: Fine-Grained Alignment and Geometric Relationship Preservation for Deep Face Recognition
von: Mishra, Durgesh, et al.
Veröffentlicht: (2025)

FedCVU: Federated Learning for Cross-View Video Understanding
von: Zhang, Shenghan, et al.
Veröffentlicht: (2026)

Cross-View Graph Consistency Learning for Invariant Graph Representations
von: Chen, Jie, et al.
Veröffentlicht: (2023)

Re-Nerfing: Improving Novel View Synthesis through Novel View Synthesis
von: Tristram, Felix, et al.
Veröffentlicht: (2023)

3D Gaussian Inpainting with Depth-Guided Cross-View Consistency
von: Huang, Sheng-Yu, et al.
Veröffentlicht: (2025)

EfficientSign: An Attention-Enhanced Lightweight Architecture for Indian Sign Language Recognition
von: Gupta, Rishabh, et al.
Veröffentlicht: (2026)

GC-MVSNet: Multi-View, Multi-Scale, Geometrically-Consistent Multi-View Stereo
von: Vats, Vibhas K., et al.
Veröffentlicht: (2023)

ViewFusion: Learning Composable Diffusion Models for Novel View Synthesis
von: Spiegl, Bernard, et al.
Veröffentlicht: (2024)

KerJEPA: Kernel Discrepancies for Euclidean Self-Supervised Learning
von: Zimmermann, Eric, et al.
Veröffentlicht: (2025)

SONIC: Spectral Oriented Neural Invariant Convolutions
von: Moens, Gijs Joppe, et al.
Veröffentlicht: (2026)

PDE-CNNs: Axiomatic Derivations and Applications
von: Bellaard, Gijs, et al.
Veröffentlicht: (2024)

WorldComp2D: Spatio-semantic Representations of Object Identity and Location from Local Views
von: Jin, SeongMin, et al.
Veröffentlicht: (2026)

Image Hashing via Cross-View Code Alignment in the Age of Foundation Models
von: Moummad, Ilyass, et al.
Veröffentlicht: (2025)

Brain Tumour Removing and Missing Modality Generation using 3D WDM
von: Ferreira, André, et al.
Veröffentlicht: (2024)

Vid2World: Crafting Video Diffusion Models to Interactive World Models
von: Huang, Siqiao, et al.
Veröffentlicht: (2025)

SCoRe: Submodular Combinatorial Representation Learning
von: Majee, Anay, et al.
Veröffentlicht: (2023)

Probabilistic Segmentation for Robust Field of View Estimation
von: Hallyburton, R. Spencer, et al.
Veröffentlicht: (2025)

How to Benchmark Vision Foundation Models for Semantic Segmentation?
von: Kerssies, Tommie, et al.
Veröffentlicht: (2024)

Shotluck Holmes: A Family of Efficient Small-Scale Large Language Vision Models For Video Captioning and Summarization
von: Luo, Richard, et al.
Veröffentlicht: (2024)

A Unified View of Score-Based and Drifting Models
von: Lai, Chieh-Hsin, et al.
Veröffentlicht: (2026)

Best of Both Worlds: Hybrid SNN-ANN Architecture for Event-based Optical Flow Estimation
von: Negi, Shubham, et al.
Veröffentlicht: (2023)

EchoPrime: A Multi-Video View-Informed Vision-Language Model for Comprehensive Echocardiography Interpretation
von: Vukadinovic, Milos, et al.
Veröffentlicht: (2024)

VORTEX: A Spatial Computing Framework for Optimized Drone Telemetry Extraction from First-Person View Flight Data
von: Gallagher, James E., et al.
Veröffentlicht: (2024)

Slot Structured World Models
von: Collu, Jonathan, et al.
Veröffentlicht: (2024)

TrackRef3D: Multi-View Consistent Track-then-Label for Open-World Referring Segmentation in 3D Gaussian Splatting
von: Tan, Yuyang, et al.
Veröffentlicht: (2026)

First Place Solution to the ECCV 2024 BRAVO Challenge: Evaluating Robustness of Vision Foundation Models for Semantic Segmentation
von: Kerssies, Tommie, et al.
Veröffentlicht: (2024)

WorldVQA: Measuring Atomic World Knowledge in Multimodal Large Language Models
von: Zhou, Runjie, et al.
Veröffentlicht: (2026)

WorldPack: Compressed Memory Improves Spatial Consistency in Video World Modeling
von: Oshima, Yuta, et al.
Veröffentlicht: (2025)

TopViewRS: Vision-Language Models as Top-View Spatial Reasoners
von: Li, Chengzu, et al.
Veröffentlicht: (2024)

An Empirical Study of World Model Quantization
von: Fu, Zhongqian, et al.
Veröffentlicht: (2026)

AVID: Adapting Video Diffusion Models to World Models
von: Rigter, Marc, et al.
Veröffentlicht: (2024)

How to Spin an Object: First, Get the Shape Right
von: Kabra, Rishabh, et al.
Veröffentlicht: (2024)

Generative View Stitching
von: Song, Chonghyuk, et al.
Veröffentlicht: (2025)

Zero-Shot Novel View and Depth Synthesis with Multi-View Geometric Diffusion
von: Guizilini, Vitor, et al.
Veröffentlicht: (2025)