:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Xiang, Sike, Chen, Shuang, Lin, Kevin Qinghong, Yu, Jialin, Sun, Yijia, Torr, Philip, Atapour-Abarghouei, Amir
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computation and Language Computer Vision and Pattern Recognition
Online-Zugang:	https://arxiv.org/abs/2605.11533
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

BcQLM: Efficient Vision-Language Understanding with Distilled Q-Gated Cross-Modal Fusion
von: Xiang, Sike, et al.
Veröffentlicht: (2025)

CaFlow: Enhancing Long-Term Action Quality Assessment with Causal Counterfactual Flow
von: Han, Ruisheng, et al.
Veröffentlicht: (2025)

DEEP-SEA: Deep-Learning Enhancement for Environmental Perception in Submerged Aquatics
von: Chen, Shuang, et al.
Veröffentlicht: (2025)

Exploring the Potentials of Spiking Neural Networks for Image Deraining
von: Chen, Shuang, et al.
Veröffentlicht: (2025)

HINT: High-quality INPainting Transformer with Mask-Aware Encoding and Enhanced Attention
von: Chen, Shuang, et al.
Veröffentlicht: (2024)

TOMD: A Trail-based Off-road Multimodal Dataset for Traversable Pathway Segmentation under Challenging Illumination Conditions
von: Sun, Yixin, et al.
Veröffentlicht: (2025)

FineCausal: A Causal-Based Framework for Interpretable Fine-Grained Action Quality Assessment
von: Han, Ruisheng, et al.
Veröffentlicht: (2025)

Leveraging Imperfect Medical Data: A Manifold-Consistent Spatio-Temporal Network for Sensor-based Human Activity Recognition
von: Fan, Jiangtao, et al.
Veröffentlicht: (2026)

MxT: Mamba x Transformer for Image Inpainting
von: Chen, Shuang, et al.
Veröffentlicht: (2024)

Motion-Adaptive Multi-Scale Temporal Modelling with Skeleton-Constrained Spatial Graphs for Efficient 3D Human Pose Estimation
von: Li, Ruochen, et al.
Veröffentlicht: (2026)

SEM-Net: Efficient Pixel Modelling for image inpainting with Spatially Enhanced SSM
von: Chen, Shuang, et al.
Veröffentlicht: (2024)

Deep Learning-Enhanced Visual Monitoring in Hazardous Underwater Environments with a Swarm of Micro-Robots
von: Chen, Shuang, et al.
Veröffentlicht: (2025)

UIESNN: A Scale-Aware Spiking Network for Underwater Image Enhancement
von: Chen, Shuang, et al.
Veröffentlicht: (2026)

Insights from the Use of Previously Unseen Neural Architecture Search Datasets
von: Geada, Rob, et al.
Veröffentlicht: (2024)

Disentangling Racial Phenotypes: Fine-Grained Control of Race-related Facial Phenotype Characteristics
von: Yucer, Seyma, et al.
Veröffentlicht: (2024)

Paper2Poster: Towards Multimodal Poster Automation from Scientific Papers
von: Pang, Wei, et al.
Veröffentlicht: (2025)

EEG-Driven Intention Decoding: Offline Deep Learning Benchmarking on a Robotic Rover
von: Alosaimi, Ghadah, et al.
Veröffentlicht: (2026)

Dur360BEV: A Real-world 360-degree Single Camera Dataset and Benchmark for Bird-Eye View Mapping in Autonomous Driving
von: E, Wenke, et al.
Veröffentlicht: (2025)

Mind2Drive: Predicting Driver Intentions from EEG in Real-world On-Road Driving
von: Alosaimi, Ghadah, et al.
Veröffentlicht: (2026)

KD360-VoxelBEV: LiDAR and 360-degree Camera Cross Modality Knowledge Distillation for Bird's-Eye-View Segmentation
von: E, Wenke, et al.
Veröffentlicht: (2025)

ART: Adaptive Relational Transformer for Pedestrian Trajectory Prediction with Temporal-Aware Relations
von: Li, Ruochen, et al.
Veröffentlicht: (2026)

VCode: a Multimodal Coding Benchmark with SVG as Symbolic Visual Representation
von: Lin, Kevin Qinghong, et al.
Veröffentlicht: (2025)

GUI Action Narrator: Where and When Did That Action Take Place?
von: Wu, Qinchen, et al.
Veröffentlicht: (2024)

ActionParty: Multi-Subject Action Binding in Generative Video Games
von: Pondaven, Alexander, et al.
Veröffentlicht: (2026)

Model Checking Logical Actions in Magic Tricks
von: Zhu, Weijun
Veröffentlicht: (2024)

Computer-Use Agents as Judges for Generative User Interface
von: Lin, Kevin Qinghong, et al.
Veröffentlicht: (2025)

CBANet: A Compact Attention-Based CNN-BiLSTM Network for Aggressive Driving Event Detection
von: Alhamdan, Hanadi, et al.
Veröffentlicht: (2026)

Light Future: Multimodal Action Frame Prediction via InstructPix2Pix
von: Zhong, Zesen, et al.
Veröffentlicht: (2025)

ShowUI: One Vision-Language-Action Model for GUI Visual Agent
von: Lin, Kevin Qinghong, et al.
Veröffentlicht: (2024)

Code2World: A GUI World Model via Renderable Code Generation
von: Zheng, Yuhao, et al.
Veröffentlicht: (2026)

CliniDial: A Naturally Occurring Multimodal Dialogue Dataset for Team Reflection in Action During Clinical Operation
von: Deng, Naihao, et al.
Veröffentlicht: (2025)

OpenMarcie: Dataset for Multimodal Action Recognition in Industrial Environments
von: Bello, Hymalai, et al.
Veröffentlicht: (2026)

BEAR: A Video Dataset For Fine-grained Behaviors Recognition Oriented with Action and Environment Factors
von: Hu, Chengyang, et al.
Veröffentlicht: (2025)

MLD-EA: Check and Complete Narrative Coherence by Introducing Emotions and Actions
von: Zhang, Jinming, et al.
Veröffentlicht: (2024)

Action100M: A Large-scale Video Action Dataset
von: Chen, Delong, et al.
Veröffentlicht: (2026)

ActionHub: A Large-scale Action Video Description Dataset for Zero-shot Action Recognition
von: Zhou, Jiaming, et al.
Veröffentlicht: (2024)

VideoASMR-Bench: Can AI-Generated ASMR Videos Fool VLMs and Humans?
von: Wang, Jiaqi, et al.
Veröffentlicht: (2025)

Unified Video Action Model
von: Li, Shuang, et al.
Veröffentlicht: (2025)

PrivacyLens: Evaluating Privacy Norm Awareness of Language Models in Action
von: Shao, Yijia, et al.
Veröffentlicht: (2024)

A Checkup with Open Source Software Revitalizes an Early Electronic Resource Portal
von: Spitzer, Stephan, et al.
Veröffentlicht: (2007)