Buchumschlag

ViLL-E: Video LLM Embeddings for Retrieval

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Gupta, Rohit, Unnikrishnan, Jayakrishnan, Fei, Fan, Liu, Sheng, Tran, Son, Shah, Mubarak
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Open Vocabulary Multi-Label Video Classification
von: Gupta, Rohit, et al.
Veröffentlicht: (2024)

VidLA: Video-Language Alignment at Scale
von: Rizve, Mamshad Nayeem, et al.
Veröffentlicht: (2024)

VeRVE: Versatile Retrieval for Videos via Unified Embeddings
von: Halbe, Shaunak, et al.
Veröffentlicht: (2026)

Cross-View Open-Vocabulary Object Detection in Aerial Imagery
von: Kini, Jyoti, et al.
Veröffentlicht: (2025)

From Play to Replay: Composed Video Retrieval for Temporally Fine-Grained Videos
von: Gupta, Animesh, et al.
Veröffentlicht: (2025)

VidTAG: Temporally Aligned Video to GPS Geolocalization with Denoising Sequence Prediction at a Global Scale
von: Kulkarni, Parth Parag, et al.
Veröffentlicht: (2026)

StretchySnake: Flexible SSM Training Unlocks Action Recognition Across Spatio-Temporal Scales
von: Siddiqui, Nyle, et al.
Veröffentlicht: (2025)

CompLLM: Compression for Long Context Q&A
von: Berton, Gabriele, et al.
Veröffentlicht: (2025)

Composed Video Retrieval via Enriched Context and Discriminative Embeddings
von: Thawakar, Omkar, et al.
Veröffentlicht: (2024)

CoLLM: A Large Language Model for Composed Image Retrieval
von: Huynh, Chuong, et al.
Veröffentlicht: (2025)

BBQ-V: Benchmarking Visual Stereotype Bias in Large Multimodal Models
von: Narnaware, Vishal, et al.
Veröffentlicht: (2025)

M-LLM Based Video Frame Selection for Efficient Video Understanding
von: Hu, Kai, et al.
Veröffentlicht: (2025)

The Telephone Game: Evaluating Semantic Drift in Unified Models
von: Mollah, Sabbir, et al.
Veröffentlicht: (2025)

TimeLogic: A Temporal Logic Benchmark for Video QA
von: Swetha, Sirnam, et al.
Veröffentlicht: (2025)

Class Prototypes based Contrastive Learning for Classifying Multi-Label and Fine-Grained Educational Videos
von: Gupta, Rohit, et al.
Veröffentlicht: (2025)

Investigating Memorization in Video Diffusion Models
von: Chen, Chen, et al.
Veröffentlicht: (2024)

VRR-QA: Visual Relational Reasoning in Videos Beyond Explicit Cues
von: Swetha, Sirnam, et al.
Veröffentlicht: (2025)

PackCache: A Training-Free Acceleration Method for Unified Autoregressive Video Generation via Compact KV-Cache
von: Li, Kunyang, et al.
Veröffentlicht: (2026)

Beyond Simple Edits: Composed Video Retrieval with Dense Modifications
von: Thawakar, Omkar, et al.
Veröffentlicht: (2025)

Privacy Beyond Pixels: Latent Anonymization for Privacy-Preserving Video Understanding
von: Fioresi, Joseph, et al.
Veröffentlicht: (2025)

GAReT: Cross-view Video Geolocalization with Adapters and Auto-Regressive Transformers
von: Pillai, Manu S, et al.
Veröffentlicht: (2024)

CityGuessr: City-Level Video Geo-Localization on a Global Scale
von: Kulkarni, Parth Parag, et al.
Veröffentlicht: (2024)

GT-Loc: Unifying When and Where in Images Through a Joint Embedding Space
von: Shatwell, David G., et al.
Veröffentlicht: (2025)

VIDEOP2R: Video Understanding from Perception to Reasoning
von: Jiang, Yifan, et al.
Veröffentlicht: (2025)

Leveraging Pre-Trained Visual Models for AI-Generated Video Detection
von: Veeramachaneni, Keerthi, et al.
Veröffentlicht: (2025)

LL-ViT: Edge Deployable Vision Transformers with Look Up Table Neurons
von: Nag, Shashank, et al.
Veröffentlicht: (2025)

Attend Locally, Remember Linearly: Linear Attention as Cross-Frame Memory for Autoregressive Video Diffusion
von: Li, Kunyang, et al.
Veröffentlicht: (2026)

Temporally Consistent Referring Video Object Segmentation with Hybrid Memory
von: Miao, Bo, et al.
Veröffentlicht: (2024)

Sync from the Sea: Retrieving Alignable Videos from Large-Scale Datasets
von: Dave, Ishan Rajendrakumar, et al.
Veröffentlicht: (2024)

Seeing to Ground: Visual Attention for Hallucination-Resilient MDLLMs
von: Narnaware, Vishal, et al.
Veröffentlicht: (2026)

TIGeR: A Unified Framework for Time, Images and Geo-location Retrieval
von: Shatwell, David G., et al.
Veröffentlicht: (2026)

ViViD: Video Virtual Try-on using Diffusion Models
von: Fang, Zixun, et al.
Veröffentlicht: (2024)

Learnability-Guided Diffusion for Dataset Distillation
von: Chan-Santiago, Jeffrey A., et al.
Veröffentlicht: (2026)

MobileViCLIP: An Efficient Video-Text Model for Mobile Devices
von: Yang, Min, et al.
Veröffentlicht: (2025)

MoViE: Mobile Diffusion for Video Editing
von: Karjauv, Adil, et al.
Veröffentlicht: (2024)

Enhancing Privacy-Utility Trade-offs to Mitigate Memorization in Diffusion Models
von: Chen, Chen, et al.
Veröffentlicht: (2025)

SegVG: Transferring Object Bounding Box to Segmentation for Visual Grounding
von: Kang, Weitai, et al.
Veröffentlicht: (2024)

Exploring Local Memorization in Diffusion Models via Bright Ending Attention
von: Chen, Chen, et al.
Veröffentlicht: (2024)

Text Is MASS: Modeling as Stochastic Embedding for Text-Video Retrieval
von: Wang, Jiamian, et al.
Veröffentlicht: (2024)

GVD: Guiding Video Diffusion Model for Scalable Video Distillation
von: Li, Kunyang, et al.
Veröffentlicht: (2025)