Buchumschlag

Rethinking Dense Optical Flow without Test-Time Scaling

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chanda, Praroop, Kumar, Suryansh
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

Rethinking Test Time Scaling for Flow-Matching Generative Models
von: Yu, Qingtao, et al.
Veröffentlicht: (2025)

Mobile Robotic Multi-View Photometric Stereo
von: Kumar, Suryansh
Veröffentlicht: (2025)

3D Gaussian Splatting for Efficient Retrospective Dynamic Scene Novel View Synthesis with a Standardized Benchmark
von: Zhang, Yunxiao, et al.
Veröffentlicht: (2026)

Dense Continuous-Time Optical Flow from Events and Frames
von: Gehrig, Mathias, et al.
Veröffentlicht: (2022)

Time-Archival Camera Virtualization for Sports and Visual Performances
von: Zhang, Yunxiao, et al.
Veröffentlicht: (2026)

From Contrast to Consistency: Rethinking Event-based Continuous-Time Optical Flow Estimation
von: Hu, Rui, et al.
Veröffentlicht: (2026)

Interactive Video Generation via Domain Adaptation
von: Rawal, Ishaan, et al.
Veröffentlicht: (2025)

A Dataset and Evaluation for Complex 4D Markerless Human Motion Capture
von: Park, Yeeun, et al.
Veröffentlicht: (2026)

Evidential Transformers for Improved Image Retrieval
von: Dordevic, Danilo, et al.
Veröffentlicht: (2024)

EDCFlow: Exploring Temporally Dense Difference Maps for Event-based Optical Flow Estimation
von: Liu, Daikun, et al.
Veröffentlicht: (2025)

Next-Future: Sample-Efficient Policy Learning for Robotic-Arm Tasks
von: Özgür, Fikrican, et al.
Veröffentlicht: (2025)

Time-Scaling State-Space Models for Dense Video Captioning
von: Piergiovanni, AJ, et al.
Veröffentlicht: (2025)

FASTER: Rethinking Real-Time Flow VLAs
von: Lu, Yuxiang, et al.
Veröffentlicht: (2026)

Rethink Predicting the Optical Flow with the Kinetics Perspective
von: Cheng, Yuhao, et al.
Veröffentlicht: (2024)

Dense Optical Tracking: Connecting the Dots
von: Moing, Guillaume Le, et al.
Veröffentlicht: (2023)

SCLIP: Rethinking Self-Attention for Dense Vision-Language Inference
von: Wang, Feng, et al.
Veröffentlicht: (2023)

VPNeXt -- Rethinking Dense Decoding for Plain Vision Transformer
von: Tang, Xikai, et al.
Veröffentlicht: (2025)

GoTTA be Diverse: Rethinking Memory Policies for Test-Time Adaptation
von: Alhuwaider, Shyma, et al.
Veröffentlicht: (2026)

Rethinking Precision of Pseudo Label: Test-Time Adaptation via Complementary Learning
von: Han, Jiayi, et al.
Veröffentlicht: (2023)

DenseGRPO: From Sparse to Dense Reward for Flow Matching Model Alignment
von: Deng, Haoyou, et al.
Veröffentlicht: (2026)

DenVisCoM: Dense Vision Correspondence Mamba for Efficient and Real-time Optical Flow and Stereo Estimation
von: Anand, Tushar, et al.
Veröffentlicht: (2026)

Tuning Real-World Image Restoration at Inference: A Test-Time Scaling Paradigm for Flow Matching Models
von: Bai, Purui, et al.
Veröffentlicht: (2026)

Video-RTS: Rethinking Reinforcement Learning and Test-Time Scaling for Efficient and Enhanced Video Reasoning
von: Wang, Ziyang, et al.
Veröffentlicht: (2025)

FlowR: Flowing from Sparse to Dense 3D Reconstructions
von: Fischer, Tobias, et al.
Veröffentlicht: (2025)

Flow-Anything: Learning Real-World Optical Flow Estimation from Large-Scale Single-view Images
von: Liang, Yingping, et al.
Veröffentlicht: (2025)

Evaluating Temperature Scaling Calibration Effectiveness for CNNs under Varying Noise Levels in Brain Tumour Detection
von: Chanda, Ankur, et al.
Veröffentlicht: (2025)

Dense Monocular Motion Segmentation Using Optical Flow and Pseudo Depth Map: A Zero-Shot Approach
von: Huang, Yuxiang, et al.
Veröffentlicht: (2024)

FlowFeat: Pixel-Dense Embedding of Motion Profiles
von: Araslanov, Nikita, et al.
Veröffentlicht: (2025)

Reliable Smoke Detection via Optical Flow-Guided Feature Fusion and Transformer-Based Uncertainty Modeling
von: Mahala, Nitish Kumar, et al.
Veröffentlicht: (2025)

FluSplat: Sparse-View 3D Editing without Test-Time Optimization
von: Huang, Haitao, et al.
Veröffentlicht: (2026)

GenOpticalFlow: A Generative Approach to Unsupervised Optical Flow Learning
von: Luo, Yixuan, et al.
Veröffentlicht: (2026)

Stream-T1: Test-Time Scaling for Streaming Video Generation
von: Tu, Yijing, et al.
Veröffentlicht: (2026)

Guided Trajectory Optimization with Sparse Scaling for Test-Time Diffusion
von: Dai, Gang, et al.
Veröffentlicht: (2026)

Can Test-Time Scaling Improve World Foundation Model?
von: Cong, Wenyan, et al.
Veröffentlicht: (2025)

SimSAM: Simple Siamese Representations Based Semantic Affinity Matrix for Unsupervised Image Segmentation
von: Kamra, Chanda Grover, et al.
Veröffentlicht: (2024)

Rethinking Diffusion Model-Based Video Super-Resolution: Leveraging Dense Guidance from Aligned Features
von: Xu, Jingyi, et al.
Veröffentlicht: (2025)

AcTTA: Rethinking Test-Time Adaptation via Dynamic Activation
von: Kim, Hyeongyu, et al.
Veröffentlicht: (2026)

MemFlow: Optical Flow Estimation and Prediction with Memory
von: Dong, Qiaole, et al.
Veröffentlicht: (2024)

FlowErase-RL: Rethinking Concept Erasure as Reward Optimization in Flow Matching Models
von: Sun, Yi, et al.
Veröffentlicht: (2026)

Flow Matching-enabled Test-Time Refinement for Unsupervised Cardiac MR Registration
von: Fu, Yunguan, et al.
Veröffentlicht: (2026)