Buchumschlag

CoRDS: Coreset-based Representative and Diverse Selection for Streaming Video Understanding

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mahdizadeh, Ailar, Azadi, Puria, Li, Muchen, He, Xiangteng, Sigal, Leonid
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

SCALE-VLP: Soft-Weighted Contrastive Volumetric Vision-Language Pre-training with Spatial-Knowledge Semantics
von: Mahdizadeh, Ailar, et al.
Veröffentlicht: (2025)

InvAD: Inversion-based Reconstruction-Free Anomaly Detection with Diffusion Models
von: Sakai, Shunsuke, et al.
Veröffentlicht: (2025)

DSeq-JEPA: Discriminative Sequential Joint-Embedding Predictive Architecture
von: He, Xiangteng, et al.
Veröffentlicht: (2025)

All in One: A Unified Synthetic Data Pipeline for Multimodal Video Understanding
von: Rahman, Tanzila, et al.
Veröffentlicht: (2026)

To Sink or Not to Sink: Visual Information Pathways in Large Vision-Language Models
von: Luo, Jiayun, et al.
Veröffentlicht: (2025)

Advancing Complex Wide-Area Scene Understanding with Hierarchical Coresets Selection
von: Wang, Jingyao, et al.
Veröffentlicht: (2025)

Factorized Video Autoencoders for Efficient Generative Modelling
von: Suhail, Mohammed, et al.
Veröffentlicht: (2024)

Implicit and Explicit Commonsense for Multi-sentence Video Captioning
von: Chou, Shih-Han, et al.
Veröffentlicht: (2023)

StreamMeCo: Long-Term Agent Memory Compression for Efficient Streaming Video Understanding
von: Wang, Junxi, et al.
Veröffentlicht: (2026)

A Coreset Selection of Coreset Selection Literature: Introduction and Recent Advances
von: Moser, Brian B., et al.
Veröffentlicht: (2025)

Representing Animatable Avatar via Factorized Neural Fields
von: Song, Chunjin, et al.
Veröffentlicht: (2024)

TAM-VT: Transformation-Aware Multi-scale Video Transformer for Segmentation and Tracking
von: Goyal, Raghav, et al.
Veröffentlicht: (2023)

Efficient and Effective In-context Demonstration Selection with Coreset
von: Wang, Zihua, et al.
Veröffentlicht: (2025)

Free Lunch Alignment of Text-to-Image Diffusion Models without Preference Image Pairs
von: Xian, Jia Jun Cheng, et al.
Veröffentlicht: (2025)

Spotlight: Identifying and Localizing Video Generation Errors Using VLMs
von: Chinchure, Aditya, et al.
Veröffentlicht: (2025)

StreamAgent: Towards Anticipatory Agents for Streaming Video Understanding
von: Yang, Haolin, et al.
Veröffentlicht: (2025)

Coreset Selection for Object Detection
von: Lee, Hojun, et al.
Veröffentlicht: (2024)

StreamEQA: Towards Streaming Video Understanding for Embodied Scenarios
von: Wang, Yifei, et al.
Veröffentlicht: (2025)

SPIKE-RL: Video-LLMs meet Bayesian Surprise
von: Ravi, Sahithya, et al.
Veröffentlicht: (2025)

On the Fairness, Diversity and Reliability of Text-to-Image Generative Models
von: Vice, Jordan, et al.
Veröffentlicht: (2024)

Towards Video Anomaly Retrieval from Video Anomaly Detection: New Benchmarks and Model
von: Wu, Peng, et al.
Veröffentlicht: (2023)

Zero-Shot Coreset Selection via Iterative Subspace Sampling
von: Griffin, Brent A., et al.
Veröffentlicht: (2024)

Scanning Only Once: An End-to-end Framework for Fast Temporal Grounding in Long Videos
von: Pan, Yulin, et al.
Veröffentlicht: (2023)

An Efficient Streaming Video Understanding Framework with Agentic Control
von: Liu, Jinming, et al.
Veröffentlicht: (2026)

Response Wide Shut: Surprising Observations in Basic Vision Language Model Capabilities
von: Chandhok, Shivam, et al.
Veröffentlicht: (2024)

Evolution-aware VAriance (EVA) Coreset Selection for Medical Image Classification
von: Hong, Yuxin, et al.
Veröffentlicht: (2024)

Multi-modal News Understanding with Professionally Labelled Videos (ReutersViLNews)
von: Chou, Shih-Han, et al.
Veröffentlicht: (2024)

DeformStream: Deformation-based Adaptive Volumetric Video Streaming
von: Li, Boyan, et al.
Veröffentlicht: (2024)

StreamingVLM: Real-Time Understanding for Infinite Video Streams
von: Xu, Ruyi, et al.
Veröffentlicht: (2025)

Black Swan: Abductive and Defeasible Video Reasoning in Unpredictable Events
von: Chinchure, Aditya, et al.
Veröffentlicht: (2024)

CAST: Collapse-Aware multi-Scale Topology Fusion for Multimodal Coreset Selection
von: Zhao, Boran, et al.
Veröffentlicht: (2026)

Streaming Long Video Understanding with Large Language Models
von: Qian, Rui, et al.
Veröffentlicht: (2024)

The Impact of Coreset Selection on Spurious Correlations and Group Robustness
von: Dharmasiri, Amaya, et al.
Veröffentlicht: (2025)

VideoScan: Enabling Efficient Streaming Video Understanding via Frame-level Semantic Carriers
von: Li, Ruanjun, et al.
Veröffentlicht: (2025)

StreamForest: Efficient Online Video Understanding with Persistent Event Memory
von: Zeng, Xiangyu, et al.
Veröffentlicht: (2025)

AURA: Always-On Understanding and Real-Time Assistance via Video Streams
von: Lu, Xudong, et al.
Veröffentlicht: (2026)

Preventing Catastrophic Forgetting through Memory Networks in Continuous Detection
von: Bhatt, Gaurav, et al.
Veröffentlicht: (2024)

Enhancing Semi-Supervised Learning via Representative and Diverse Sample Selection
von: Shao, Qian, et al.
Veröffentlicht: (2024)

CurveStream: Boosting Streaming Video Understanding in MLLMs via Curvature-Aware Hierarchical Visual Memory Management
von: Wang, Chao, et al.
Veröffentlicht: (2026)

Memory-efficient Streaming VideoLLMs for Real-time Procedural Video Understanding
von: Chatterjee, Dibyadip, et al.
Veröffentlicht: (2025)