Buchumschlag

Adaptive Multi-Agent Reasoning for Text-to-Video Retrieval

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wu, Jiaxin, Wei, Xiao-Yong, Li, Qing
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Information Retrieval Artificial Intelligence Multimedia
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Uni-Retrieval: A Multi-Style Retrieval Framework for STEM's Education
von: Jia, Yanhao, et al.
Veröffentlicht: (2025)

ImageScope: Unifying Language-Guided Image Retrieval via Large Multimodal Model Collective Reasoning
von: Luo, Pengfei, et al.
Veröffentlicht: (2025)

On the Brittleness of CLIP Text Encoders
von: Tran, Allie, et al.
Veröffentlicht: (2025)

Improving the Consistency in Cross-Lingual Cross-Modal Retrieval with 1-to-K Contrastive Learning
von: Nie, Zhijie, et al.
Veröffentlicht: (2024)

MCA: Modality Composition Awareness for Robust Composed Multimodal Retrieval
von: Wu, Qiyu, et al.
Veröffentlicht: (2025)

An Empirical Study of Excitation and Aggregation Design Adaptions in CLIP4Clip for Video-Text Retrieval
von: Jing, Xiaolun, et al.
Veröffentlicht: (2024)

Multi-Modal Cross-Domain Alignment Network for Video Moment Retrieval
von: Fang, Xiang, et al.
Veröffentlicht: (2022)

Semantic Item Graph Enhancement for Multimodal Recommendation
von: Zhang, Xiaoxiong, et al.
Veröffentlicht: (2025)

REMOTE: A Unified Multimodal Relation Extraction Framework with Multilevel Optimal Transport and Mixture-of-Experts
von: Lin, Xinkui, et al.
Veröffentlicht: (2025)

Personalized Image Generation with Large Multimodal Models
von: Xu, Yiyan, et al.
Veröffentlicht: (2024)

Unraveling Movie Genres through Cross-Attention Fusion of Bi-Modal Synergy of Poster
von: Nareti, Utsav Kumar, et al.
Veröffentlicht: (2024)

CrossPT-EEG: A Benchmark for Cross-Participant and Cross-Time Generalization of EEG-based Visual Decoding
von: Zhu, Shuqi, et al.
Veröffentlicht: (2024)

Towards Unified Multi-Modal Personalization: Large Vision-Language Models for Generative Recommendation and Beyond
von: Wei, Tianxin, et al.
Veröffentlicht: (2024)

PromptHash: Affinity-Prompted Collaborative Cross-Modal Learning for Adaptive Hashing Retrieval
von: Zou, Qiang, et al.
Veröffentlicht: (2025)

GMMFormer: Gaussian-Mixture-Model Based Transformer for Efficient Partially Relevant Video Retrieval
von: Wang, Yuting, et al.
Veröffentlicht: (2023)

VCR: Video representation for Contextual Retrieval
von: Nir, Oron, et al.
Veröffentlicht: (2024)

VDCook:DIY video data cook your MLLMs
von: Wu, Chengwei
Veröffentlicht: (2026)

A Survey of Multimodal Composite Editing and Retrieval
von: Li, Suyan, et al.
Veröffentlicht: (2024)

Text Proxy: Decomposing Retrieval from a 1-to-N Relationship into N 1-to-1 Relationships for Text-Video Retrieval
von: Xiao, Jian, et al.
Veröffentlicht: (2024)

Enhancing Image-Text Matching with Adaptive Feature Aggregation
von: Wang, Zuhui, et al.
Veröffentlicht: (2024)

Semantic Codebook Learning for Dynamic Recommendation Models
von: Lv, Zheqi, et al.
Veröffentlicht: (2024)

Agentic Mixed-Source Multi-Modal Misinformation Detection with Adaptive Test-Time Scaling
von: Jiang, Wei, et al.
Veröffentlicht: (2026)

Cross-Modal Retrieval with Cauchy-Schwarz Divergence
von: Zhang, Jiahao, et al.
Veröffentlicht: (2025)

A Comprehensive Survey on Composed Image Retrieval
von: Song, Xuemeng, et al.
Veröffentlicht: (2025)

PhotoBench: Beyond Visual Matching Towards Personalized Intent-Driven Photo Retrieval
von: Xu, Tianyi, et al.
Veröffentlicht: (2026)

RAG-VisualRec: An Open Resource for Vision- and Text-Enhanced Retrieval-Augmented Generation in Recommendation
von: Tourani, Ali, et al.
Veröffentlicht: (2025)

Rebalancing Contrastive Alignment with Bottlenecked Semantic Increments in Text-Video Retrieval
von: Xiao, Jian, et al.
Veröffentlicht: (2025)

Image Complexity-Aware Adaptive Retrieval for Efficient Vision-Language Models
von: Williams-Lekuona, Mikel, et al.
Veröffentlicht: (2025)

Composite Sketch+Text Queries for Retrieving Objects with Elusive Names and Complex Interactions
von: Gatti, Prajwal, et al.
Veröffentlicht: (2025)

Epistemic-aware Vision-Language Foundation Model for Fetal Ultrasound Interpretation
von: He, Xiao, et al.
Veröffentlicht: (2025)

Anchor-aware Deep Metric Learning for Audio-visual Retrieval
von: Zeng, Donghuo, et al.
Veröffentlicht: (2024)

LightThinker++: From Reasoning Compression to Memory Management
von: Zhu, Yuqi, et al.
Veröffentlicht: (2026)

MIRe: Enhancing Multimodal Queries Representation via Fusion-Free Modality Interaction for Multimodal Retrieval
von: Ju, Yeong-Joon, et al.
Veröffentlicht: (2024)

EventCast: Hybrid Demand Forecasting in E-Commerce with LLM-Based Event Knowledge
von: Hu, Congcong, et al.
Veröffentlicht: (2026)

ChatDiet: Empowering Personalized Nutrition-Oriented Food Recommender Chatbots through an LLM-Augmented Framework
von: Yang, Zhongqi, et al.
Veröffentlicht: (2024)

A Multimodal Single-Branch Embedding Network for Recommendation in Cold-Start and Missing Modality Scenarios
von: Ganhör, Christian, et al.
Veröffentlicht: (2024)

Multimodal Music Recommendation System using LLMs
von: Kandagatla, Srikar Prabhas, et al.
Veröffentlicht: (2026)

On the Origin of Synthetic Information by Means of Steganographic Inheritance
von: Chang, Ching-Chun, et al.
Veröffentlicht: (2026)

Mitigating the Impact of Reference Quality on Evaluation of Summarization Systems with Reference-Free Metrics
von: Gigant, Théo, et al.
Veröffentlicht: (2024)

LazyVLM: Neuro-Symbolic Approach to Video Analytics
von: Jian, Xiangru, et al.
Veröffentlicht: (2025)