Enregistré dans:
| Auteurs principaux: | Tang, Duoxun, Dai, Dasen, Wang, Jiyao, Yang, Xiao, Wang, Jianyu, Cai, Siqi |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | https://arxiv.org/abs/2603.01454 |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
FMVP: Masked Flow Matching for Adversarial Video Purification
par: Tang, Duoxun, et autres
Publié: (2026)
par: Tang, Duoxun, et autres
Publié: (2026)
FeatureFool: Zero-Query Fooling of Video Models via Feature Map
par: Tang, Duoxun, et autres
Publié: (2025)
par: Tang, Duoxun, et autres
Publié: (2025)
Query-Efficient Video Adversarial Attack with Stylized Logo
par: Tang, Duoxun, et autres
Publié: (2024)
par: Tang, Duoxun, et autres
Publié: (2024)
Vid-SME: Membership Inference Attacks against Large Video Understanding Models
par: Li, Qi, et autres
Publié: (2025)
par: Li, Qi, et autres
Publié: (2025)
EvoVid: Temporal-Centric Self-Evolution for Video Large Language Models
par: Huang, Shiqi, et autres
Publié: (2026)
par: Huang, Shiqi, et autres
Publié: (2026)
VidLeaks: Membership Inference Attacks Against Text-to-Video Models
par: Wang, Li, et autres
Publié: (2026)
par: Wang, Li, et autres
Publié: (2026)
CrossVid: A Comprehensive Benchmark for Evaluating Cross-Video Reasoning in Multimodal Large Language Models
par: Li, Jingyao, et autres
Publié: (2025)
par: Li, Jingyao, et autres
Publié: (2025)
SafeVid: Toward Safety Aligned Video Large Multimodal Models
par: Wang, Yixu, et autres
Publié: (2025)
par: Wang, Yixu, et autres
Publié: (2025)
VidLaDA: Bidirectional Diffusion Large Language Models for Efficient Video Understanding
par: He, Zhihao, et autres
Publié: (2026)
par: He, Zhihao, et autres
Publié: (2026)
InstructVid2Vid: Controllable Video Editing with Natural Language Instructions
par: Qin, Bosheng, et autres
Publié: (2023)
par: Qin, Bosheng, et autres
Publié: (2023)
OmniVid: A Generative Framework for Universal Video Understanding
par: Wang, Junke, et autres
Publié: (2024)
par: Wang, Junke, et autres
Publié: (2024)
PruneVid: Visual Token Pruning for Efficient Video Large Language Models
par: Huang, Xiaohu, et autres
Publié: (2024)
par: Huang, Xiaohu, et autres
Publié: (2024)
Uni-NaVid: A Video-based Vision-Language-Action Model for Unifying Embodied Navigation Tasks
par: Zhang, Jiazhao, et autres
Publié: (2024)
par: Zhang, Jiazhao, et autres
Publié: (2024)
VidLBEval: Benchmarking and Mitigating Language Bias in Video-Involved LVLMs
par: Yang, Yiming, et autres
Publié: (2025)
par: Yang, Yiming, et autres
Publié: (2025)
SurgVidLM: Towards Multi-grained Surgical Video Understanding with Large Language Model
par: Wang, Guankun, et autres
Publié: (2025)
par: Wang, Guankun, et autres
Publié: (2025)
UniVid: The Open-Source Unified Video Model
par: Luo, Jiabin, et autres
Publié: (2025)
par: Luo, Jiabin, et autres
Publié: (2025)
VidCoM: Fast Video Comprehension through Large Language Models with Multimodal Tools
par: Qi, Ji, et autres
Publié: (2023)
par: Qi, Ji, et autres
Publié: (2023)
VidHalluc: Evaluating Temporal Hallucinations in Multimodal Large Language Models for Video Understanding
par: Li, Chaoyu, et autres
Publié: (2024)
par: Li, Chaoyu, et autres
Publié: (2024)
NaVid: Video-based VLM Plans the Next Step for Vision-and-Language Navigation
par: Zhang, Jiazhao, et autres
Publié: (2024)
par: Zhang, Jiazhao, et autres
Publié: (2024)
HieraVid: Hierarchical Token Pruning for Fast Video Large Language Models
par: Guo, Yansong, et autres
Publié: (2026)
par: Guo, Yansong, et autres
Publié: (2026)
VidCompress: Memory-Enhanced Temporal Compression for Video Understanding in Large Language Models
par: Lan, Xiaohan, et autres
Publié: (2024)
par: Lan, Xiaohan, et autres
Publié: (2024)
EgoVid-5M: A Large-Scale Video-Action Dataset for Egocentric Video Generation
par: Wang, Xiaofeng, et autres
Publié: (2024)
par: Wang, Xiaofeng, et autres
Publié: (2024)
OTT-Vid: Optimal Transport Temporal Token Compression for Video Large Language Models
par: Kang, Minseok, et autres
Publié: (2026)
par: Kang, Minseok, et autres
Publié: (2026)
IF-VidCap: Can Video Caption Models Follow Instructions?
par: Li, Shihao, et autres
Publié: (2025)
par: Li, Shihao, et autres
Publié: (2025)
UniVid: Pyramid Diffusion Model for High Quality Video Generation
par: Xiao, Xinyu, et autres
Publié: (2026)
par: Xiao, Xinyu, et autres
Publié: (2026)
InternVid: A Large-scale Video-Text Dataset for Multimodal Understanding and Generation
par: Wang, Yi, et autres
Publié: (2023)
par: Wang, Yi, et autres
Publié: (2023)
VidEmo: Affective-Tree Reasoning for Emotion-Centric Video Foundation Models
par: Zhang, Zhicheng, et autres
Publié: (2025)
par: Zhang, Zhicheng, et autres
Publié: (2025)
AdaVid: Adaptive Video-Language Pretraining
par: Patel, Chaitanya, et autres
Publié: (2025)
par: Patel, Chaitanya, et autres
Publié: (2025)
Efficient Mixture-of-Expert for Video-based Driver State and Physiological Multi-task Estimation in Conditional Autonomous Driving
par: Wang, Jiyao, et autres
Publié: (2024)
par: Wang, Jiyao, et autres
Publié: (2024)
VidText: Towards Comprehensive Evaluation for Video Text Understanding
par: Yang, Zhoufaran, et autres
Publié: (2025)
par: Yang, Zhoufaran, et autres
Publié: (2025)
Sponge Tool Attack: Stealthy Denial-of-Efficiency against Tool-Augmented Agentic Reasoning
par: Li, Qi, et autres
Publié: (2026)
par: Li, Qi, et autres
Publié: (2026)
VidLA: Video-Language Alignment at Scale
par: Rizve, Mamshad Nayeem, et autres
Publié: (2024)
par: Rizve, Mamshad Nayeem, et autres
Publié: (2024)
GroundVTS: Visual Token Sampling in Multimodal Large Language Models for Video Temporal Grounding
par: Fan, Rong, et autres
Publié: (2026)
par: Fan, Rong, et autres
Publié: (2026)
BlockVid: Block Diffusion for High-Quality and Consistent Minute-Long Video Generation
par: Zhang, Zeyu, et autres
Publié: (2025)
par: Zhang, Zeyu, et autres
Publié: (2025)
RelightVid: Temporal-Consistent Diffusion Model for Video Relighting
par: Fang, Ye, et autres
Publié: (2025)
par: Fang, Ye, et autres
Publié: (2025)
BlobGEN-Vid: Compositional Text-to-Video Generation with Blob Video Representations
par: Feng, Weixi, et autres
Publié: (2025)
par: Feng, Weixi, et autres
Publié: (2025)
VidProM: A Million-scale Real Prompt-Gallery Dataset for Text-to-Video Diffusion Models
par: Wang, Wenhao, et autres
Publié: (2024)
par: Wang, Wenhao, et autres
Publié: (2024)
VidBridge-R1: Bridging QA and Captioning for RL-based Video Understanding Models with Intermediate Proxy Tasks
par: Chen, Xinlong, et autres
Publié: (2025)
par: Chen, Xinlong, et autres
Publié: (2025)
ExpVid: A Benchmark for Experiment Video Understanding & Reasoning
par: Xu, Yicheng, et autres
Publié: (2025)
par: Xu, Yicheng, et autres
Publié: (2025)
Align the GAP: Prior-based Unified Multi-Task Remote Physiological Measurement Framework For Domain Generalization and Personalization
par: Wang, Jiyao, et autres
Publié: (2025)
par: Wang, Jiyao, et autres
Publié: (2025)
Documents similaires
-
FMVP: Masked Flow Matching for Adversarial Video Purification
par: Tang, Duoxun, et autres
Publié: (2026) -
FeatureFool: Zero-Query Fooling of Video Models via Feature Map
par: Tang, Duoxun, et autres
Publié: (2025) -
Query-Efficient Video Adversarial Attack with Stylized Logo
par: Tang, Duoxun, et autres
Publié: (2024) -
Vid-SME: Membership Inference Attacks against Large Video Understanding Models
par: Li, Qi, et autres
Publié: (2025) -
EvoVid: Temporal-Centric Self-Evolution for Video Large Language Models
par: Huang, Shiqi, et autres
Publié: (2026)