Enregistré dans:
| Auteurs principaux: | Warner, Nikolai, Taylor, Cameron Ethan, Essa, Irfan, Sadhwani, Apaar |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | https://arxiv.org/abs/2603.23684 |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
AugLift: Depth-Aware Input Reparameterization Improves Domain Generalization in 2D-to-3D Pose Lifting
par: Warner, Nikolai, et autres
Publié: (2025)
par: Warner, Nikolai, et autres
Publié: (2025)
MoCHA-former: Moiré-Conditioned Hybrid Adaptive Transformer for Video Demoiréing
par: Sung, Jeahun, et autres
Publié: (2025)
par: Sung, Jeahun, et autres
Publié: (2025)
MoCHA: Advanced Vision-Language Reasoning with MoE Connector and Hierarchical Group Attention
par: Pang, Yuqi, et autres
Publié: (2025)
par: Pang, Yuqi, et autres
Publié: (2025)
Learning Complex Non-Rigid Image Edits from Multimodal Conditioning
par: Warner, Nikolai, et autres
Publié: (2024)
par: Warner, Nikolai, et autres
Publié: (2024)
Leveraging Procedural Knowledge and Task Hierarchies for Efficient Instructional Video Pre-training
par: Samel, Karan, et autres
Publié: (2025)
par: Samel, Karan, et autres
Publié: (2025)
SLAIM: Robust Dense Neural SLAM for Online Tracking and Mapping
par: Cartillier, Vincent, et autres
Publié: (2024)
par: Cartillier, Vincent, et autres
Publié: (2024)
3D Semantic MapNet: Building Maps for Multi-Object Re-Identification in 3D
par: Cartillier, Vincent, et autres
Publié: (2024)
par: Cartillier, Vincent, et autres
Publié: (2024)
HierSum: A Global and Local Attention Mechanism for Video Summarization
par: Beedu, Apoorva, et autres
Publié: (2025)
par: Beedu, Apoorva, et autres
Publié: (2025)
Denoise-then-Retrieve: Text-Conditioned Video Denoising for Video Moment Retrieval
par: Liu, Weijia, et autres
Publié: (2025)
par: Liu, Weijia, et autres
Publié: (2025)
LaMP: Language-Motion Pretraining for Motion Generation, Retrieval, and Captioning
par: Li, Zhe, et autres
Publié: (2024)
par: Li, Zhe, et autres
Publié: (2024)
On the Efficacy of Text-Based Input Modalities for Action Anticipation
par: Beedu, Apoorva, et autres
Publié: (2024)
par: Beedu, Apoorva, et autres
Publié: (2024)
Limitations in Employing Natural Language Supervision for Sensor-Based Human Activity Recognition -- And Ways to Overcome Them
par: Haresamudram, Harish, et autres
Publié: (2024)
par: Haresamudram, Harish, et autres
Publié: (2024)
Follow the Saliency: Supervised Saliency for Retrieval-augmented Dense Video Captioning
par: Choi, Seung hee, et autres
Publié: (2026)
par: Choi, Seung hee, et autres
Publié: (2026)
Mamba Fusion: Learning Actions Through Questioning
par: Dong, Zhikang, et autres
Publié: (2024)
par: Dong, Zhikang, et autres
Publié: (2024)
Exploring Efficient Foundational Multi-modal Models for Video Summarization
par: Samel, Karan, et autres
Publié: (2024)
par: Samel, Karan, et autres
Publié: (2024)
MoLingo: Motion-Language Alignment for Text-to-Motion Generation
par: He, Yannan, et autres
Publié: (2025)
par: He, Yannan, et autres
Publié: (2025)
WaMo: Wavelet-Enhanced Multi-Frequency Trajectory Analysis for Fine-Grained Text-Motion Retrieval
par: Ren, Junlong, et autres
Publié: (2025)
par: Ren, Junlong, et autres
Publié: (2025)
AnaMoDiff: 2D Analogical Motion Diffusion via Disentangled Denoising
par: Tanveer, Maham, et autres
Publié: (2024)
par: Tanveer, Maham, et autres
Publié: (2024)
Captioning for Text-Video Retrieval via Dual-Group Direct Preference Optimization
par: Lee, Ji Soo, et autres
Publié: (2025)
par: Lee, Ji Soo, et autres
Publié: (2025)
ReMoMask: Retrieval-Augmented Masked Motion Generation
par: Li, Zhengdao, et autres
Publié: (2025)
par: Li, Zhengdao, et autres
Publié: (2025)
Guided Attention for Interpretable Motion Captioning
par: Radouane, Karim, et autres
Publié: (2023)
par: Radouane, Karim, et autres
Publié: (2023)
Text-Only Training for Image Captioning with Retrieval Augmentation and Modality Gap Correction
par: Fonseca, Rui, et autres
Publié: (2025)
par: Fonseca, Rui, et autres
Publié: (2025)
CoMo: Compositional Motion Customization for Text-to-Video Generation
par: Xu, Youcan, et autres
Publié: (2025)
par: Xu, Youcan, et autres
Publié: (2025)
Retrieval-Augmented Egocentric Video Captioning
par: Xu, Jilan, et autres
Publié: (2024)
par: Xu, Jilan, et autres
Publié: (2024)
Narrating the Video: Boosting Text-Video Retrieval via Comprehensive Utilization of Frame-Level Captions
par: Hur, Chan, et autres
Publié: (2025)
par: Hur, Chan, et autres
Publié: (2025)
A Self-Supervised Approach on Motion Calibration for Enhancing Physical Plausibility in Text-to-Motion
par: Shim, Gahyeon, et autres
Publié: (2026)
par: Shim, Gahyeon, et autres
Publié: (2026)
SafeMo: Linguistically Grounded Unlearning for Trustworthy Text-to-Motion Generation
par: Wang, Yiling, et autres
Publié: (2026)
par: Wang, Yiling, et autres
Publié: (2026)
SnapMoGen: Human Motion Generation from Expressive Texts
par: Guo, Chuan, et autres
Publié: (2025)
par: Guo, Chuan, et autres
Publié: (2025)
Understanding Retrieval Robustness for Retrieval-Augmented Image Captioning
par: Li, Wenyan, et autres
Publié: (2024)
par: Li, Wenyan, et autres
Publié: (2024)
Track and Caption Any Motion: Query-Free Motion Discovery and Description in Videos
par: Galoaa, Bishoy, et autres
Publié: (2025)
par: Galoaa, Bishoy, et autres
Publié: (2025)
LaMo: Self-Supervised Latent Motion Priors for Physical Realism in Video Generation
par: Jiang, Bo, et autres
Publié: (2026)
par: Jiang, Bo, et autres
Publié: (2026)
MoSiC: Optimal-Transport Motion Trajectory for Dense Self-Supervised Learning
par: Salehi, Mohammadreza, et autres
Publié: (2025)
par: Salehi, Mohammadreza, et autres
Publié: (2025)
Dense Video Object Captioning from Disjoint Supervision
par: Zhou, Xingyi, et autres
Publié: (2023)
par: Zhou, Xingyi, et autres
Publié: (2023)
EVENT-Retriever: Event-Aware Multimodal Image Retrieval for Realistic Captions
par: Vo, Dinh-Khoi, et autres
Publié: (2025)
par: Vo, Dinh-Khoi, et autres
Publié: (2025)
MoRAG -- Multi-Fusion Retrieval Augmented Generation for Human Motion
par: Kalakonda, Sai Shashank, et autres
Publié: (2024)
par: Kalakonda, Sai Shashank, et autres
Publié: (2024)
SegMo: Segment-aligned Text to 3D Human Motion Generation
par: Dang, Bowen, et autres
Publié: (2025)
par: Dang, Bowen, et autres
Publié: (2025)
MoTrans: Customized Motion Transfer with Text-driven Video Diffusion Models
par: Li, Xiaomin, et autres
Publié: (2024)
par: Li, Xiaomin, et autres
Publié: (2024)
CrowdMoGen: Zero-Shot Text-Driven Collective Motion Generation
par: Cao, Yukang, et autres
Publié: (2024)
par: Cao, Yukang, et autres
Publié: (2024)
CamViG: Camera Aware Image-to-Video Generation with Multimodal Transformers
par: Marmon, Andrew, et autres
Publié: (2024)
par: Marmon, Andrew, et autres
Publié: (2024)
OmniMoGen: Unifying Human Motion Generation via Learning from Interleaved Text-Motion Instructions
par: Bu, Wendong, et autres
Publié: (2025)
par: Bu, Wendong, et autres
Publié: (2025)
Documents similaires
-
AugLift: Depth-Aware Input Reparameterization Improves Domain Generalization in 2D-to-3D Pose Lifting
par: Warner, Nikolai, et autres
Publié: (2025) -
MoCHA-former: Moiré-Conditioned Hybrid Adaptive Transformer for Video Demoiréing
par: Sung, Jeahun, et autres
Publié: (2025) -
MoCHA: Advanced Vision-Language Reasoning with MoE Connector and Hierarchical Group Attention
par: Pang, Yuqi, et autres
Publié: (2025) -
Learning Complex Non-Rigid Image Edits from Multimodal Conditioning
par: Warner, Nikolai, et autres
Publié: (2024) -
Leveraging Procedural Knowledge and Task Hierarchies for Efficient Instructional Video Pre-training
par: Samel, Karan, et autres
Publié: (2025)