Enregistré dans:
| Auteurs principaux: | Zhou, Ziheng, Wang, Yang, Wang, Nan, Wu, Chengliang, Yan, Jun |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | https://arxiv.org/abs/2605.07338 |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
InfoSyncNet: Information Synchronization Temporal Convolutional Network for Visual Speech Recognition
par: Xue, Junxiao, et autres
Publié: (2025)
par: Xue, Junxiao, et autres
Publié: (2025)
VideoNet: A Large-Scale Dataset for Domain-Specific Action Recognition
par: Yadav, Tanush, et autres
Publié: (2026)
par: Yadav, Tanush, et autres
Publié: (2026)
OptiSAR-Net++: A Large-Scale Benchmark and Transformer-Free Framework for Cross-Domain Remote Sensing Visual Grounding
par: Tang, Xiaoyu, et autres
Publié: (2026)
par: Tang, Xiaoyu, et autres
Publié: (2026)
AVAR-Net: A Lightweight Audio-Visual Anomaly Recognition Framework with a Benchmark Dataset
par: Ali, Amjid, et autres
Publié: (2025)
par: Ali, Amjid, et autres
Publié: (2025)
Visual Instruction Pretraining for Domain-Specific Foundation Models
par: Li, Yuxuan, et autres
Publié: (2025)
par: Li, Yuxuan, et autres
Publié: (2025)
4Seasons: Benchmarking Visual SLAM and Long-Term Localization for Autonomous Driving in Challenging Conditions
par: Wenzel, Patrick, et autres
Publié: (2022)
par: Wenzel, Patrick, et autres
Publié: (2022)
A$^{3}$lign-DFER: Pioneering Comprehensive Dynamic Affective Alignment for Dynamic Facial Expression Recognition with CLIP
par: Tao, Zeng, et autres
Publié: (2024)
par: Tao, Zeng, et autres
Publié: (2024)
PMC-VQA: Visual Instruction Tuning for Medical Visual Question Answering
par: Zhang, Xiaoman, et autres
Publié: (2023)
par: Zhang, Xiaoman, et autres
Publié: (2023)
MMDG-Bench: A Benchmark for Multimodal Domain Generalization
par: Zhan, Qianshan, et autres
Publié: (2026)
par: Zhan, Qianshan, et autres
Publié: (2026)
MolParser: End-to-end Visual Recognition of Molecule Structures in the Wild
par: Fang, Xi, et autres
Publié: (2024)
par: Fang, Xi, et autres
Publié: (2024)
Visual Question Answering Instruction: Unlocking Multimodal Large Language Model To Domain-Specific Visual Multitasks
par: Lee, Jusung, et autres
Publié: (2024)
par: Lee, Jusung, et autres
Publié: (2024)
MFH: Marrying Frequency Domain with Handwritten Mathematical Expression Recognition
par: Yang, Huanxin, et autres
Publié: (2025)
par: Yang, Huanxin, et autres
Publié: (2025)
OmniEval: A Benchmark for Evaluating Omni-modal Models with Visual, Auditory, and Textual Inputs
par: Zhang, Yiman, et autres
Publié: (2025)
par: Zhang, Yiman, et autres
Publié: (2025)
OphNet: A Large-Scale Video Benchmark for Ophthalmic Surgical Workflow Understanding
par: Hu, Ming, et autres
Publié: (2024)
par: Hu, Ming, et autres
Publié: (2024)
Virtual Classification: Modulating Domain-Specific Knowledge for Multidomain Crowd Counting
par: Guo, Mingyue, et autres
Publié: (2024)
par: Guo, Mingyue, et autres
Publié: (2024)
BizGenEval: A Systematic Benchmark for Commercial Visual Content Generation
par: Li, Yan, et autres
Publié: (2026)
par: Li, Yan, et autres
Publié: (2026)
Unsupervised Domain Adaptation with Dynamic Clustering and Contrastive Refinement for Gait Recognition
par: Liu, Xiaolei, et autres
Publié: (2025)
par: Liu, Xiaolei, et autres
Publié: (2025)
U-Bench: A Comprehensive Understanding of U-Net through 100-Variant Benchmarking
par: Tang, Fenghe, et autres
Publié: (2025)
par: Tang, Fenghe, et autres
Publié: (2025)
Benchmarking Micro-action Recognition: Dataset, Methods, and Applications
par: Guo, Dan, et autres
Publié: (2024)
par: Guo, Dan, et autres
Publié: (2024)
From Generalist to Specialist: Adapting Vision Language Models via Task-Specific Visual Instruction Tuning
par: Bai, Yang, et autres
Publié: (2024)
par: Bai, Yang, et autres
Publié: (2024)
MoiréNet: A Compact Dual-Domain Network for Image Demoiréing
par: Guo, Shuwei, et autres
Publié: (2025)
par: Guo, Shuwei, et autres
Publié: (2025)
Camera-LiDAR Cross-modality Gait Recognition
par: Guo, Wenxuan, et autres
Publié: (2024)
par: Guo, Wenxuan, et autres
Publié: (2024)
Understanding Dataset Bias in Medical Imaging: A Case Study on Chest X-rays
par: Dack, Ethan, et autres
Publié: (2025)
par: Dack, Ethan, et autres
Publié: (2025)
VicKAM: Visual Conceptual Knowledge Guided Action Map for Weakly Supervised Group Activity Recognition
par: Wang, Zhuming, et autres
Publié: (2025)
par: Wang, Zhuming, et autres
Publié: (2025)
On the Estimation of Image-matching Uncertainty in Visual Place Recognition
par: Zaffar, Mubariz, et autres
Publié: (2024)
par: Zaffar, Mubariz, et autres
Publié: (2024)
Region-aware Spatiotemporal Modeling with Collaborative Domain Generalization for Cross-Subject EEG Emotion Recognition
par: Wu, Weiwei, et autres
Publié: (2026)
par: Wu, Weiwei, et autres
Publié: (2026)
Cascade-Free Mandarin Visual Speech Recognition via Semantic-Guided Cross-Representation Alignment
par: Yang, Lei, et autres
Publié: (2026)
par: Yang, Lei, et autres
Publié: (2026)
Bridging Domain Generalization to Multimodal Domain Generalization via Unified Representations
par: Huang, Hai, et autres
Publié: (2025)
par: Huang, Hai, et autres
Publié: (2025)
ChartAct: A Benchmark for Dynamic Chart Understanding
par: Huang, Muye, et autres
Publié: (2026)
par: Huang, Muye, et autres
Publié: (2026)
Chimera: Improving Generalist Model with Domain-Specific Experts
par: Peng, Tianshuo, et autres
Publié: (2024)
par: Peng, Tianshuo, et autres
Publié: (2024)
ActionAtlas: A VideoQA Benchmark for Domain-specialized Action Recognition
par: Salehi, Mohammadreza, et autres
Publié: (2024)
par: Salehi, Mohammadreza, et autres
Publié: (2024)
Movie101v2: Improved Movie Narration Benchmark
par: Yue, Zihao, et autres
Publié: (2024)
par: Yue, Zihao, et autres
Publié: (2024)
A Survey on Interpretability in Visual Recognition
par: Wan, Qiyang, et autres
Publié: (2025)
par: Wan, Qiyang, et autres
Publié: (2025)
Benchmarking Zero-Shot Recognition with Vision-Language Models: Challenges on Granularity and Specificity
par: Xu, Zhenlin, et autres
Publié: (2023)
par: Xu, Zhenlin, et autres
Publié: (2023)
Ghost-dil-NetVLAD: A Lightweight Neural Network for Visual Place Recognition
par: Gong, Qingyuan, et autres
Publié: (2021)
par: Gong, Qingyuan, et autres
Publié: (2021)
Knowledge-Aligned Counterfactual-Enhancement Diffusion Perception for Unsupervised Cross-Domain Visual Emotion Recognition
par: Yin, Wen, et autres
Publié: (2025)
par: Yin, Wen, et autres
Publié: (2025)
Certified L2-Norm Robustness of 3D Point Cloud Recognition in the Frequency Domain
par: Zhou, Liang, et autres
Publié: (2025)
par: Zhou, Liang, et autres
Publié: (2025)
EraW-Net: Enhance-Refine-Align W-Net for Scene-Associated Driver Attention Estimation
par: Zhou, Jun, et autres
Publié: (2024)
par: Zhou, Jun, et autres
Publié: (2024)
Generalized Geometry Encoding Volume for Real-time Stereo Matching
par: Liu, Jiaxin, et autres
Publié: (2025)
par: Liu, Jiaxin, et autres
Publié: (2025)
Commonality in Few: Few-Shot Multimodal Anomaly Detection via Hypergraph-Enhanced Memory
par: Lin, Yuxuan, et autres
Publié: (2025)
par: Lin, Yuxuan, et autres
Publié: (2025)
Documents similaires
-
InfoSyncNet: Information Synchronization Temporal Convolutional Network for Visual Speech Recognition
par: Xue, Junxiao, et autres
Publié: (2025) -
VideoNet: A Large-Scale Dataset for Domain-Specific Action Recognition
par: Yadav, Tanush, et autres
Publié: (2026) -
OptiSAR-Net++: A Large-Scale Benchmark and Transformer-Free Framework for Cross-Domain Remote Sensing Visual Grounding
par: Tang, Xiaoyu, et autres
Publié: (2026) -
AVAR-Net: A Lightweight Audio-Visual Anomaly Recognition Framework with a Benchmark Dataset
par: Ali, Amjid, et autres
Publié: (2025) -
Visual Instruction Pretraining for Domain-Specific Foundation Models
par: Li, Yuxuan, et autres
Publié: (2025)