Buchumschlag

Geometry-Guided Camera Motion Understanding in VideoLLMs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Feng, Haoan, Musunuri, Sri Harsha, Su, Guan-Ming
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

VideoThinker: Building Agentic VideoLLMs with LLM-Guided Tool Reasoning
von: Li, Chenglin, et al.
Veröffentlicht: (2026)

Sharp Eyes and Memory for VideoLLMs: Information-Aware Visual Token Pruning for Efficient and Reliable VideoLLM Reasoning
von: Qin, Jialong, et al.
Veröffentlicht: (2025)

IPFormer-VideoLLM: Enhancing Multi-modal Video Understanding for Multi-shot Scenes
von: Liang, Yujia, et al.
Veröffentlicht: (2025)

VideoLLM Benchmarks and Evaluation: A Survey
von: Kumar, Yogesh
Veröffentlicht: (2025)

Grounded-VideoLLM: Sharpening Fine-grained Temporal Grounding in Video Large Language Models
von: Wang, Haibo, et al.
Veröffentlicht: (2024)

I2VControl-Camera: Precise Video Camera Control with Adjustable Motion Strength
von: Feng, Wanquan, et al.
Veröffentlicht: (2024)

Towards Understanding Camera Motions in Any Video
von: Lin, Zhiqiu, et al.
Veröffentlicht: (2025)

Boosting Camera Motion Control for Video Diffusion Transformers
von: Cheong, Soon Yau, et al.
Veröffentlicht: (2024)

"I Can See Forever!": Evaluating Real-time VideoLLMs for Assisting Individuals with Visual Impairments
von: Zhang, Ziyi, et al.
Veröffentlicht: (2025)

Motion Guided Token Compression for Efficient Masked Video Modeling
von: Feng, Yukun, et al.
Veröffentlicht: (2024)

GeoMotionGPT: Geometry-Aligned Motion Understanding with Large Language Models
von: Ye, Zhankai, et al.
Veröffentlicht: (2026)

LightMotion: A Light and Tuning-free Method for Simulating Camera Motion in Video Generation
von: Song, Quanjian, et al.
Veröffentlicht: (2025)

Memory-efficient Streaming VideoLLMs for Real-time Procedural Video Understanding
von: Chatterjee, Dibyadip, et al.
Veröffentlicht: (2025)

PhyVLLM: Physics-Guided Video Language Model with Motion-Appearance Disentanglement
von: Zhan, Yu-Wei, et al.
Veröffentlicht: (2025)

Video Streaming Thinking: VideoLLMs Can Watch and Think Simultaneously
von: Guan, Yiran, et al.
Veröffentlicht: (2026)

Motion-Grounded Video Reasoning: Understanding and Perceiving Motion at Pixel Level
von: Deng, Andong, et al.
Veröffentlicht: (2024)

Empowering LLMs with Pseudo-Untrimmed Videos for Audio-Visual Temporal Understanding
von: Tang, Yolo Yunlong, et al.
Veröffentlicht: (2024)

Physics-Guided Motion Loss for Video Generation Model
von: Xue, Bowen, et al.
Veröffentlicht: (2025)

MemCam: Memory-Augmented Camera Control for Consistent Video Generation
von: Gao, Xinhang, et al.
Veröffentlicht: (2026)

WorldReel: 4D Video Generation with Consistent Geometry and Motion Modeling
von: Fang, Shaoheng, et al.
Veröffentlicht: (2025)

Physics-Grounded Motion Forecasting via Equation Discovery for Trajectory-Guided Image-to-Video Generation
von: Feng, Tao, et al.
Veröffentlicht: (2025)

AMG: Avatar Motion Guided Video Generation
von: Yang, Zhangsihao, et al.
Veröffentlicht: (2024)

FAVOR-Bench: A Comprehensive Benchmark for Fine-Grained Video Motion Understanding
von: Tu, Chongjun, et al.
Veröffentlicht: (2025)

Flattery in Motion: Benchmarking and Analyzing Sycophancy in Video-LLMs
von: Zhou, Wenrui, et al.
Veröffentlicht: (2025)

Exploiting Motion Prior for Accurate Pose Estimation of Dashboard Cameras
von: Lu, Yipeng, et al.
Veröffentlicht: (2024)

MVU-Eval: Towards Multi-Video Understanding Evaluation for Multimodal LLMs
von: Peng, Tianhao, et al.
Veröffentlicht: (2025)

ViLLa: A Neuro-Symbolic approach for Animal Monitoring
von: Koduri, Harsha
Veröffentlicht: (2025)

Multimodal Generative AI with Autoregressive LLMs for Human Motion Understanding and Generation: A Way Forward
von: Islam, Muhammad, et al.
Veröffentlicht: (2025)

Low-Bitrate Video Compression through Semantic-Conditioned Diffusion
von: Wang, Lingdong, et al.
Veröffentlicht: (2025)

OVO-Bench: How Far is Your Video-LLMs from Real-World Online Video Understanding?
von: Li, Yifei, et al.
Veröffentlicht: (2025)

COIN: Control-Inpainting Diffusion Prior for Human and Camera Motion Estimation
von: Li, Jiefeng, et al.
Veröffentlicht: (2024)

Knowledge-Guided Textual Reasoning for Explainable Video Anomaly Detection via LLMs
von: Lee, Hari
Veröffentlicht: (2025)

Lost in Time: A New Temporal Benchmark for VideoLLMs
von: Cores, Daniel, et al.
Veröffentlicht: (2024)

Map the Flow: Revealing Hidden Pathways of Information in VideoLLMs
von: Kim, Minji, et al.
Veröffentlicht: (2025)

MT-Video-Bench: A Holistic Video Understanding Benchmark for Evaluating Multimodal LLMs in Multi-Turn Dialogues
von: Pan, Yaning, et al.
Veröffentlicht: (2025)

Resource-Efficient Motion Control for Video Generation via Dynamic Mask Guidance
von: Feng, Sicong, et al.
Veröffentlicht: (2025)

AD-MIR: Bridging the Gap from Perception to Persuasion in Advertising Video Understanding via Structured Reasoning
von: Xu, Binxiao, et al.
Veröffentlicht: (2026)

Video Forgery Detection for Surveillance Cameras: A Review
von: Tayfor, Noor B., et al.
Veröffentlicht: (2025)

MotionGPT: Finetuned LLMs Are General-Purpose Motion Generators
von: Zhang, Yaqi, et al.
Veröffentlicht: (2023)

PRISM: A Multi-View Multi-Capability Retail Video Dataset for Embodied Vision-Language Models
von: Rouhi, Amirreza, et al.
Veröffentlicht: (2026)