Copertina

Exploring Multimodal LMMs for Online Episodic Memory Question Answering on the Edge

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Lando, Giuseppe, Forte, Rosario, Furnari, Antonino
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Computer Vision and Pattern Recognition
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

How Far Can Off-the-Shelf Multimodal Large Language Models Go in Online Episodic Memory Question Answering?
di: Lando, Giuseppe, et al.
Pubblicazione: (2025)

EGOSTREAM: A Diagnostic Benchmark for Streaming Episodic Memory in Egocentric Vision
di: Forte, Rosario, et al.
Pubblicazione: (2026)

Online Episodic Memory Visual Query Localization with Egocentric Streaming Object Memory
di: Manigrasso, Zaira, et al.
Pubblicazione: (2024)

Exploiting Multimodal Synthetic Data for Egocentric Human-Object Interaction Detection in an Industrial Scenario
di: Leonardi, Rosario, et al.
Pubblicazione: (2023)

Differentiable Task Graph Learning: Procedural Activity Representation and Online Mistake Detection from Egocentric Videos
di: Seminara, Luigi, et al.
Pubblicazione: (2024)

Mamba-OTR: a Mamba-based Solution for Online Take and Release Detection from Untrimmed Egocentric Video
di: Catinello, Alessandro Sebastiano, et al.
Pubblicazione: (2025)

Leveraging Synthetic Data for Enhancing Egocentric Hand-Object Interaction Detection
di: Leonardi, Rosario, et al.
Pubblicazione: (2026)

Are Synthetic Data Useful for Egocentric Hand-Object Interaction Detection?
di: Leonardi, Rosario, et al.
Pubblicazione: (2023)

RECIPE: Procedural Planning via Grounding in Instructional Video
di: Seminara, Luigi, et al.
Pubblicazione: (2026)

ViterbiPlanNet: Injecting Procedural Knowledge via Differentiable Viterbi for Planning in Instructional Videos
di: Seminara, Luigi, et al.
Pubblicazione: (2026)

Ego-EXTRA: video-language Egocentric Dataset for EXpert-TRAinee assistance
di: Ragusa, Francesco, et al.
Pubblicazione: (2025)

Task Graph Maximum Likelihood Estimation for Procedural Activity Understanding in Egocentric Videos
di: Seminara, Luigi, et al.
Pubblicazione: (2025)

Calisthenics Skills Temporal Video Segmentation
di: Finocchiaro, Antonio, et al.
Pubblicazione: (2025)

Efficient Calisthenics Skills Classification through Foreground Instance Selection and Depth Estimation
di: Finocchiaro, Antonio, et al.
Pubblicazione: (2025)

StillFast: An End-to-End Approach for Short-Term Object Interaction Anticipation
di: Ragusa, Francesco, et al.
Pubblicazione: (2023)

Ego-METAS: Egocentric online Multimodal Energy-efficient Temporal Action Segmentation benchmark
di: Santos-Villafranca, Maria, et al.
Pubblicazione: (2026)

Gazing Into Missteps: Leveraging Eye-Gaze for Unsupervised Mistake Detection in Egocentric Videos of Skilled Human Activities
di: Mazzamuto, Michele, et al.
Pubblicazione: (2024)

Multimodal Rationales for Explainable Visual Question Answering
di: Li, Kun, et al.
Pubblicazione: (2024)

MIBench: Evaluating LMMs on Multimodal Interaction
di: Miao, Yu, et al.
Pubblicazione: (2026)

MovieChat+: Question-aware Sparse Memory for Long Video Question Answering
di: Song, Enxin, et al.
Pubblicazione: (2024)

A Real-Time System for Egocentric Hand-Object Interaction Detection in Industrial Domains
di: Finocchiaro, Antonio, et al.
Pubblicazione: (2025)

LMMs-Eval: Reality Check on the Evaluation of Large Multimodal Models
di: Zhang, Kaichen, et al.
Pubblicazione: (2024)

Enhanced Multimodal RAG-LLM for Accurate Visual Question Answering
di: Xue, Junxiao, et al.
Pubblicazione: (2024)

IQViC: In-context, Question Adaptive Vision Compressor for Long-term Video Understanding LMMs
di: Yamao, Sosuke, et al.
Pubblicazione: (2024)

Glance and Focus: Memory Prompting for Multi-Event Video Question Answering
di: Bai, Ziyi, et al.
Pubblicazione: (2024)

Fully Authentic Visual Question Answering Dataset from Online Communities
di: Chen, Chongyan, et al.
Pubblicazione: (2023)

Interactive Episodic Memory with User Feedback
di: Subedi, Nikesh, et al.
Pubblicazione: (2026)

Human vs. LMMs: Exploring the Discrepancy in Emoji Interpretation and Usage in Digital Communication
di: Lyu, Hanjia, et al.
Pubblicazione: (2024)

Breaking the Visual Shortcuts in Multimodal Knowledge-Based Visual Question Answering
di: Lee, Dosung, et al.
Pubblicazione: (2025)

Multimodal Hypothetical Summary for Retrieval-based Multi-image Question Answering
di: Li, Peize, et al.
Pubblicazione: (2024)

LMM4Edit: Benchmarking and Evaluating Multimodal Image Editing with LMMs
di: Xu, Zitong, et al.
Pubblicazione: (2025)

Parallel Vision Token Scheduling for Fast and Accurate Multimodal LMMs Inference
di: Zhan, Wengyi, et al.
Pubblicazione: (2025)

ProSkill: Segment-Level Skill Assessment in Procedural Videos
di: Mazzamuto, Michele, et al.
Pubblicazione: (2026)

VLMT: Vision-Language Multimodal Transformer for Multimodal Multi-hop Question Answering
di: Lim, Qi Zhi, et al.
Pubblicazione: (2025)

Enhancing Visual Question Answering with Multimodal LLMs via Chain-of-Question Guided Retrieval-Augmented Generation
di: Xu, Quanxing, et al.
Pubblicazione: (2026)

Multimodal Integration of Human-Like Attention in Visual Question Answering
di: Sood, Ekta, et al.
Pubblicazione: (2021)

BitMar: Low-Bit Multimodal Fusion with Episodic Memory for Edge Devices
di: Aman, Euhid, et al.
Pubblicazione: (2025)

Enhancing Scientific Visual Question Answering through Multimodal Reasoning and Ensemble Modeling
di: Movva, Prahitha, et al.
Pubblicazione: (2025)

LMME3DHF: Benchmarking and Evaluating Multimodal 3D Human Face Generation with LMMs
di: Yang, Woo Yi, et al.
Pubblicazione: (2025)

Synchronization is All You Need: Exocentric-to-Egocentric Transfer for Temporal Action Segmentation with Unlabeled Synchronized Video Pairs
di: Quattrocchi, Camillo, et al.
Pubblicazione: (2023)