:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Park, Minyoung, Kong, Taehun, Ahn, Sangjun
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	https://arxiv.org/abs/2605.19322
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

AdaTok: Adaptive Token Compression with Object-Aware Representations for Efficient Multimodal LLMs
von: Zhang, Xinliang, et al.
Veröffentlicht: (2025)

InfoTok: Adaptive Discrete Video Tokenizer via Information-Theoretic Compression
von: Ye, Haotian, et al.
Veröffentlicht: (2025)

SweetTok: Semantic-Aware Spatial-Temporal Tokenizer for Compact Video Discretization
von: Tan, Zhentao, et al.
Veröffentlicht: (2024)

Learning Adaptive Pseudo-Label Selection for Semi-Supervised 3D Object Detection
von: Kong, Taehun, et al.
Veröffentlicht: (2025)

DynTok: Dynamic Compression of Visual Tokens for Efficient and Effective Video Understanding
von: Zhang, Hongzhi, et al.
Veröffentlicht: (2025)

TrajTok: Learning Trajectory Tokens enables better Video Understanding
von: Zheng, Chenhao, et al.
Veröffentlicht: (2026)

RefTok: Reference-Based Tokenization for Video Generation
von: Fan, Xiang, et al.
Veröffentlicht: (2025)

Cardiac Segmentation on CT Images through Shape-Aware Contour Attentions
von: Park, Sanguk, et al.
Veröffentlicht: (2021)

VideoFlexTok: Flexible-Length Coarse-to-Fine Video Tokenization
von: Atanov, Andrei, et al.
Veröffentlicht: (2026)

Unified Spatiotemporal Token Compression for Video-LLMs at Ultra-Low Retention
von: Du, Junhao, et al.
Veröffentlicht: (2026)

Semi-Supervised 3D Object Detection with Channel Augmentation using Transformation Equivariance
von: Kang, Minju, et al.
Veröffentlicht: (2024)

DINO-Tok: Adapting DINO for Visual Tokenizers
von: Jia, Mingkai, et al.
Veröffentlicht: (2025)

Extreme Model Compression for Edge Vision-Language Models: Sparse Temporal Token Fusion and Adaptive Neural Compression
von: Tanvir, Md Tasnin, et al.
Veröffentlicht: (2025)

Enhancing Multi-Image Understanding through Delimiter Token Scaling
von: Lee, Minyoung, et al.
Veröffentlicht: (2026)

PyraTok: Language-Aligned Pyramidal Tokenizer for Video Understanding and Generation
von: Susladkar, Onkar, et al.
Veröffentlicht: (2026)

Adaptive-VoCo: Complexity-Aware Visual Token Compression for Vision-Language Models
von: Guo, Xiaoyang, et al.
Veröffentlicht: (2025)

MergeTok: Unified Continuous and Discrete Visual Tokenization via Token Merging
von: Zhang, Luyuan, et al.
Veröffentlicht: (2026)

VidTok: A Versatile and Open-Source Video Tokenizer
von: Tang, Anni, et al.
Veröffentlicht: (2024)

STORM: Token-Efficient Long Video Understanding for Multimodal LLMs
von: Jiang, Jindong, et al.
Veröffentlicht: (2025)

SceneTok: A Compressed, Diffusable Token Space for 3D Scenes
von: Asim, Mohammad, et al.
Veröffentlicht: (2026)

TAG: A Simple Yet Effective Temporal-Aware Approach for Zero-Shot Video Temporal Grounding
von: Lee, Jin-Seop, et al.
Veröffentlicht: (2025)

Learning Adaptive and Temporally Causal Video Tokenization in a 1D Latent Space
von: Li, Yan, et al.
Veröffentlicht: (2025)

NativeTok: Native Visual Tokenization for Improved Image Generation
von: Wu, Bin, et al.
Veröffentlicht: (2026)

GloTok: Global Perspective Tokenizer for Image Reconstruction and Generation
von: Zhao, Xuan, et al.
Veröffentlicht: (2025)

FlowTok: Flowing Seamlessly Across Text and Image Tokens
von: He, Ju, et al.
Veröffentlicht: (2025)

See and Fix the Flaws: Enabling VLMs and Diffusion Models to Comprehend Visual Artifacts via Agentic Data Synthesis
von: Park, Jaehyun, et al.
Veröffentlicht: (2026)

Token Transforming: A Unified and Training-Free Token Compression Framework for Vision Transformer Acceleration
von: Zeng, Fanhu, et al.
Veröffentlicht: (2025)

Mitigating Hallucination in VideoLLMs via Temporal-Aware Activation Engineering
von: Cai, Jianfeng, et al.
Veröffentlicht: (2025)

Spatial Degradation-Aware and Temporal Consistent Diffusion Model for Compressed Video Super-Resolution
von: An, Hongyu, et al.
Veröffentlicht: (2025)

OTT-Vid: Optimal Transport Temporal Token Compression for Video Large Language Models
von: Kang, Minseok, et al.
Veröffentlicht: (2026)

DTTNet: Improving Video Shadow Detection via Dark-Aware Guidance and Tokenized Temporal Modeling
von: Li, Zhicheng, et al.
Veröffentlicht: (2025)

WeTok: Powerful Discrete Tokenization for High-Fidelity Visual Reconstruction
von: Zhuang, Shaobin, et al.
Veröffentlicht: (2025)

AlignTok: Aligning Visual Foundation Encoders to Tokenizers for Diffusion Models
von: Chen, Bowei, et al.
Veröffentlicht: (2025)

V-LynX: Token Interface Alignment for Video+X LLMs
von: Park, Jungin, et al.
Veröffentlicht: (2026)

TemporalVLM: Video LLMs for Temporal Reasoning in Long Videos
von: Fateh, Fawad Javed, et al.
Veröffentlicht: (2024)

MacTok: Robust Continuous Tokenization for Image Generation
von: Zeng, Hengyu, et al.
Veröffentlicht: (2026)

Video-XL-Pro: Reconstructive Token Compression for Extremely Long Video Understanding
von: Liu, Xiangrui, et al.
Veröffentlicht: (2025)

Video Compression with Hierarchical Temporal Neural Representation
von: Zhu, Jun, et al.
Veröffentlicht: (2026)

CaTok: Taming Mean Flows for One-Dimensional Causal Image Tokenization
von: Chen, Yitong, et al.
Veröffentlicht: (2026)

WinTok: A Win-Win Hybrid Tokenizer via Decomposing Visual Understanding and Generation with Transferable Tokens
von: Guo, Yiwei, et al.
Veröffentlicht: (2026)