:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Suzuki, Rena, Kikuchi, Masato, Ozono, Tadachika
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	https://arxiv.org/abs/2603.16931
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

AI-Generated Lecture Slides for Improving Slide Element Detection and Retrieval
von: Maniyar, Suyash, et al.
Veröffentlicht: (2025)

Multimedia Generative Script Learning for Task Planning
von: Wang, Qingyun, et al.
Veröffentlicht: (2022)

Generating Narrated Lecture Videos from Slides with Synchronized Highlights
von: Holmberg, Alexander
Veröffentlicht: (2025)

GMAT: Grounded Multi-Agent Clinical Description Generation for Text Encoder in Vision-Language MIL for Whole Slide Image Classification
von: Quang, Ngoc Bui Lam, et al.
Veröffentlicht: (2025)

SlideCoder: Layout-aware RAG-enhanced Hierarchical Slide Generation from Design
von: Tang, Wenxin, et al.
Veröffentlicht: (2025)

VIMI: Grounding Video Generation through Multi-modal Instruction
von: Fang, Yuwei, et al.
Veröffentlicht: (2024)

VEGGIE: Instructional Editing and Reasoning Video Concepts with Grounded Generation
von: Yu, Shoubin, et al.
Veröffentlicht: (2025)

A Paradigm Shift: Fully End-to-End Training for Temporal Sentence Grounding in Videos
von: He, Allen, et al.
Veröffentlicht: (2026)

SD-VSum: A Method and Dataset for Script-Driven Video Summarization
von: Mylonas, Manolis, et al.
Veröffentlicht: (2025)

StageDesigner: Artistic Stage Generation for Scenography via Theater Scripts
von: Gan, Zhaoxing, et al.
Veröffentlicht: (2025)

Object-Shot Enhanced Grounding Network for Egocentric Video
von: Feng, Yisen, et al.
Veröffentlicht: (2025)

ScriptViT: Vision Transformer-Based Personalized Handwriting Generation
von: Acharya, Sajjan, et al.
Veröffentlicht: (2025)

SlideChat: A Large Vision-Language Assistant for Whole-Slide Pathology Image Understanding
von: Chen, Ying, et al.
Veröffentlicht: (2024)

On-Demand Instructional Material Providing Agent Based on MLLM for Tutoring Support
von: Kato, Takumi, et al.
Veröffentlicht: (2026)

Visual Grounding for Object-Level Generalization in Reinforcement Learning
von: Jiang, Haobin, et al.
Veröffentlicht: (2024)

Think with Grounding: Curriculum Reinforced Reasoning with Video Grounding for Long Video Understanding
von: Chen, Houlun, et al.
Veröffentlicht: (2026)

Grounding 3D Object Affordance with Language Instructions, Visual Observations and Interactions
von: Zhu, He, et al.
Veröffentlicht: (2025)

Towards Visual-Prompt Temporal Answering Grounding in Medical Instructional Video
von: Li, Bin, et al.
Veröffentlicht: (2022)

OBI-Bench: Can LMMs Aid in Study of Ancient Script on Oracle Bones?
von: Chen, Zijian, et al.
Veröffentlicht: (2024)

SIMS: Simulating Stylized Human-Scene Interactions with Retrieval-Augmented Script Generation
von: Wang, Wenjia, et al.
Veröffentlicht: (2024)

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

GroundCount: Grounding Vision-Language Models with Object Detection for Mitigating Counting Hallucinations
von: Chen, Boyuan, et al.
Veröffentlicht: (2026)

Multi-Sentence Grounding for Long-term Instructional Video
von: Li, Zeqian, et al.
Veröffentlicht: (2023)

Probabilistic Dating of Historical Manuscripts via Evidential Deep Regression on Visual Script Features
von: Chodavarapu, Ranjith
Veröffentlicht: (2026)

Augmented Commonsense Knowledge for Remote Object Grounding
von: Mohammadi, Bahram, et al.
Veröffentlicht: (2024)

WSI-VQA: Interpreting Whole Slide Images by Generative Visual Question Answering
von: Chen, Pingyi, et al.
Veröffentlicht: (2024)

PathNavigate: A Training-Free Pathology Agent with Surprise-Guided Scan and Shared Slide Memory for Whole-Slide Image VQA
von: Yang, Chunze, et al.
Veröffentlicht: (2026)

Spatial Blindness in Whole-Slide Multiple Instance Learning
von: Li, Xiangyu, et al.
Veröffentlicht: (2026)

Transcriptomics-guided Slide Representation Learning in Computational Pathology
von: Jaume, Guillaume, et al.
Veröffentlicht: (2024)

Hypergraph Mamba for Efficient Whole Slide Image Understanding
von: Lu, Jiaxuan, et al.
Veröffentlicht: (2025)

Detecting Children with Autism Spectrum Disorder based on Script-Centric Behavior Understanding with Emotional Enhancement
von: Liu, Wenxing, et al.
Veröffentlicht: (2024)

Customer Analysis and Text Generation for Small Retail Stores Using LLM-Generated Marketing Presence
von: Nakamura, Shiori, et al.
Veröffentlicht: (2026)

Grounding is All You Need? Dual Temporal Grounding for Video Dialog
von: Qin, You, et al.
Veröffentlicht: (2024)

WorldAfford: Affordance Grounding based on Natural Language Instructions
von: Chen, Changmao, et al.
Veröffentlicht: (2024)

Grounded Object Centric Learning
von: Kori, Avinash, et al.
Veröffentlicht: (2023)

Motion-o: Trajectory-Grounded Video Reasoning
von: Galoaa, Bishoy, et al.
Veröffentlicht: (2026)

VideoITG: Multimodal Video Understanding with Instructed Temporal Grounding
von: Wang, Shihao, et al.
Veröffentlicht: (2025)

SWAT: Sliding Window Adversarial Training for Gradual Domain Adaptation
von: Wang, Zixi, et al.
Veröffentlicht: (2025)

DesignLab: Designing Slides Through Iterative Detection and Correction
von: Yun, Jooyeol, et al.
Veröffentlicht: (2025)

ChatBCG: Can AI Read Your Slide Deck?
von: Singh, Nikita, et al.
Veröffentlicht: (2024)