Enregistré dans:
| Auteurs principaux: | Mahdizadeh, Ailar, Azadi, Puria, Li, Muchen, He, Xiangteng, Sigal, Leonid |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | https://arxiv.org/abs/2605.14310 |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
SCALE-VLP: Soft-Weighted Contrastive Volumetric Vision-Language Pre-training with Spatial-Knowledge Semantics
par: Mahdizadeh, Ailar, et autres
Publié: (2025)
par: Mahdizadeh, Ailar, et autres
Publié: (2025)
InvAD: Inversion-based Reconstruction-Free Anomaly Detection with Diffusion Models
par: Sakai, Shunsuke, et autres
Publié: (2025)
par: Sakai, Shunsuke, et autres
Publié: (2025)
DSeq-JEPA: Discriminative Sequential Joint-Embedding Predictive Architecture
par: He, Xiangteng, et autres
Publié: (2025)
par: He, Xiangteng, et autres
Publié: (2025)
All in One: A Unified Synthetic Data Pipeline for Multimodal Video Understanding
par: Rahman, Tanzila, et autres
Publié: (2026)
par: Rahman, Tanzila, et autres
Publié: (2026)
To Sink or Not to Sink: Visual Information Pathways in Large Vision-Language Models
par: Luo, Jiayun, et autres
Publié: (2025)
par: Luo, Jiayun, et autres
Publié: (2025)
Representing Animatable Avatar via Factorized Neural Fields
par: Song, Chunjin, et autres
Publié: (2024)
par: Song, Chunjin, et autres
Publié: (2024)
Free Lunch Alignment of Text-to-Image Diffusion Models without Preference Image Pairs
par: Xian, Jia Jun Cheng, et autres
Publié: (2025)
par: Xian, Jia Jun Cheng, et autres
Publié: (2025)
Factorized Video Autoencoders for Efficient Generative Modelling
par: Suhail, Mohammed, et autres
Publié: (2024)
par: Suhail, Mohammed, et autres
Publié: (2024)
Advancing Complex Wide-Area Scene Understanding with Hierarchical Coresets Selection
par: Wang, Jingyao, et autres
Publié: (2025)
par: Wang, Jingyao, et autres
Publié: (2025)
Implicit and Explicit Commonsense for Multi-sentence Video Captioning
par: Chou, Shih-Han, et autres
Publié: (2023)
par: Chou, Shih-Han, et autres
Publié: (2023)
A Coreset Selection of Coreset Selection Literature: Introduction and Recent Advances
par: Moser, Brian B., et autres
Publié: (2025)
par: Moser, Brian B., et autres
Publié: (2025)
StreamMeCo: Long-Term Agent Memory Compression for Efficient Streaming Video Understanding
par: Wang, Junxi, et autres
Publié: (2026)
par: Wang, Junxi, et autres
Publié: (2026)
TAM-VT: Transformation-Aware Multi-scale Video Transformer for Segmentation and Tracking
par: Goyal, Raghav, et autres
Publié: (2023)
par: Goyal, Raghav, et autres
Publié: (2023)
Spotlight: Identifying and Localizing Video Generation Errors Using VLMs
par: Chinchure, Aditya, et autres
Publié: (2025)
par: Chinchure, Aditya, et autres
Publié: (2025)
Towards Video Anomaly Retrieval from Video Anomaly Detection: New Benchmarks and Model
par: Wu, Peng, et autres
Publié: (2023)
par: Wu, Peng, et autres
Publié: (2023)
Coreset Selection for Object Detection
par: Lee, Hojun, et autres
Publié: (2024)
par: Lee, Hojun, et autres
Publié: (2024)
Efficient and Effective In-context Demonstration Selection with Coreset
par: Wang, Zihua, et autres
Publié: (2025)
par: Wang, Zihua, et autres
Publié: (2025)
On the Fairness, Diversity and Reliability of Text-to-Image Generative Models
par: Vice, Jordan, et autres
Publié: (2024)
par: Vice, Jordan, et autres
Publié: (2024)
SPIKE-RL: Video-LLMs meet Bayesian Surprise
par: Ravi, Sahithya, et autres
Publié: (2025)
par: Ravi, Sahithya, et autres
Publié: (2025)
Scanning Only Once: An End-to-end Framework for Fast Temporal Grounding in Long Videos
par: Pan, Yulin, et autres
Publié: (2023)
par: Pan, Yulin, et autres
Publié: (2023)
StreamAgent: Towards Anticipatory Agents for Streaming Video Understanding
par: Yang, Haolin, et autres
Publié: (2025)
par: Yang, Haolin, et autres
Publié: (2025)
StreamEQA: Towards Streaming Video Understanding for Embodied Scenarios
par: Wang, Yifei, et autres
Publié: (2025)
par: Wang, Yifei, et autres
Publié: (2025)
Response Wide Shut: Surprising Observations in Basic Vision Language Model Capabilities
par: Chandhok, Shivam, et autres
Publié: (2024)
par: Chandhok, Shivam, et autres
Publié: (2024)
Zero-Shot Coreset Selection via Iterative Subspace Sampling
par: Griffin, Brent A., et autres
Publié: (2024)
par: Griffin, Brent A., et autres
Publié: (2024)
Black Swan: Abductive and Defeasible Video Reasoning in Unpredictable Events
par: Chinchure, Aditya, et autres
Publié: (2024)
par: Chinchure, Aditya, et autres
Publié: (2024)
Multi-modal News Understanding with Professionally Labelled Videos (ReutersViLNews)
par: Chou, Shih-Han, et autres
Publié: (2024)
par: Chou, Shih-Han, et autres
Publié: (2024)
StreamingVLM: Real-Time Understanding for Infinite Video Streams
par: Xu, Ruyi, et autres
Publié: (2025)
par: Xu, Ruyi, et autres
Publié: (2025)
Preventing Catastrophic Forgetting through Memory Networks in Continuous Detection
par: Bhatt, Gaurav, et autres
Publié: (2024)
par: Bhatt, Gaurav, et autres
Publié: (2024)
An Efficient Streaming Video Understanding Framework with Agentic Control
par: Liu, Jinming, et autres
Publié: (2026)
par: Liu, Jinming, et autres
Publié: (2026)
Evolution-aware VAriance (EVA) Coreset Selection for Medical Image Classification
par: Hong, Yuxin, et autres
Publié: (2024)
par: Hong, Yuxin, et autres
Publié: (2024)
The Impact of Coreset Selection on Spurious Correlations and Group Robustness
par: Dharmasiri, Amaya, et autres
Publié: (2025)
par: Dharmasiri, Amaya, et autres
Publié: (2025)
On Pre-training of Multimodal Language Models Customized for Chart Understanding
par: Fan, Wan-Cyuan, et autres
Publié: (2024)
par: Fan, Wan-Cyuan, et autres
Publié: (2024)
Emergent Open-Vocabulary Semantic Segmentation from Off-the-shelf Vision-Language Models
par: Luo, Jiayun, et autres
Publié: (2023)
par: Luo, Jiayun, et autres
Publié: (2023)
DeformStream: Deformation-based Adaptive Volumetric Video Streaming
par: Li, Boyan, et autres
Publié: (2024)
par: Li, Boyan, et autres
Publié: (2024)
Locate, Assign, Refine: Taming Customized Promptable Image Inpainting
par: Pan, Yulin, et autres
Publié: (2024)
par: Pan, Yulin, et autres
Publié: (2024)
CAST: Collapse-Aware multi-Scale Topology Fusion for Multimodal Coreset Selection
par: Zhao, Boran, et autres
Publié: (2026)
par: Zhao, Boran, et autres
Publié: (2026)
Enhancing Semi-Supervised Learning via Representative and Diverse Sample Selection
par: Shao, Qian, et autres
Publié: (2024)
par: Shao, Qian, et autres
Publié: (2024)
Learning What Matters: Prioritized Concept Learning via Relative Error-driven Sample Selection
par: Chandhok, Shivam, et autres
Publié: (2025)
par: Chandhok, Shivam, et autres
Publié: (2025)
The Easy Path to Robustness: Coreset Selection using Sample Hardness
par: Ramesh, Pranav, et autres
Publié: (2025)
par: Ramesh, Pranav, et autres
Publié: (2025)
ELFS: Label-Free Coreset Selection with Proxy Training Dynamics
par: Zheng, Haizhong, et autres
Publié: (2024)
par: Zheng, Haizhong, et autres
Publié: (2024)
Documents similaires
-
SCALE-VLP: Soft-Weighted Contrastive Volumetric Vision-Language Pre-training with Spatial-Knowledge Semantics
par: Mahdizadeh, Ailar, et autres
Publié: (2025) -
InvAD: Inversion-based Reconstruction-Free Anomaly Detection with Diffusion Models
par: Sakai, Shunsuke, et autres
Publié: (2025) -
DSeq-JEPA: Discriminative Sequential Joint-Embedding Predictive Architecture
par: He, Xiangteng, et autres
Publié: (2025) -
All in One: A Unified Synthetic Data Pipeline for Multimodal Video Understanding
par: Rahman, Tanzila, et autres
Publié: (2026) -
To Sink or Not to Sink: Visual Information Pathways in Large Vision-Language Models
par: Luo, Jiayun, et autres
Publié: (2025)