Buchumschlag

Tensor Memory: Fixed-Size Recurrent State for Long-Horizon Transformers

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Swain, Kabir, Han, Sijie, Weidele, Daniel Karl I., Martino, Mauro, Torralba, Antonio
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Tensor Cache: Eviction-conditioned Associative Memory for Transformers
von: Swain, Kabir, et al.
Veröffentlicht: (2026)

Hurwitz Quaternion Multiplicative Quantization for KV Cache Compression
von: Swain, Kabir, et al.
Veröffentlicht: (2026)

Recurrent Reasoning with Vision-Language Models for Estimating Long-Horizon Embodied Task Progress
von: Zhang, Yuelin, et al.
Veröffentlicht: (2026)

Chameleon: Episodic Memory for Long-Horizon Robotic Manipulation
von: Guo, Xinying, et al.
Veröffentlicht: (2026)

Adaptive Length Image Tokenization via Recurrent Allocation
von: Duggal, Shivam, et al.
Veröffentlicht: (2024)

SpatialMem: Metric-Aligned Long-Horizon Video Memory for Language Grounding and QA
von: Zheng, Xinyi, et al.
Veröffentlicht: (2026)

BOSS: Benchmark for Observation Space Shift in Long-Horizon Task
von: Yang, Yue, et al.
Veröffentlicht: (2025)

Dataset Distillation for Pre-Trained Self-Supervised Vision Models
von: Cazenavette, George, et al.
Veröffentlicht: (2025)

LongFly: Long-Horizon UAV Vision-and-Language Navigation with Spatiotemporal Context Integration
von: Jiang, Wen, et al.
Veröffentlicht: (2025)

EgoMemReason: A Memory-Driven Reasoning Benchmark for Long-Horizon Egocentric Video Understanding
von: Wang, Ziyang, et al.
Veröffentlicht: (2026)

Automatic Discovery of Visual Circuits
von: Rajaram, Achyuta, et al.
Veröffentlicht: (2024)

ARM: Advantage Reward Modeling for Long-Horizon Manipulation
von: Mao, Yiming, et al.
Veröffentlicht: (2026)

ESPLoRA: Enhanced Spatial Precision with Low-Rank Adaption in Text-to-Image Diffusion Models for High-Definition Synthesis
von: Rigo, Andrea, et al.
Veröffentlicht: (2025)

MC-GPT: Empowering Vision-and-Language Navigation with Memory Map and Reasoning Chains
von: Zhan, Zhaohuan, et al.
Veröffentlicht: (2024)

Pig aggression classification using CNN, Transformers and Recurrent Networks
von: Souza, Junior Silva, et al.
Veröffentlicht: (2024)

RELIC: Interactive Video World Model with Long-Horizon Memory
von: Hong, Yicong, et al.
Veröffentlicht: (2025)

Long-VMNet: Accelerating Long-Form Video Understanding via Fixed Memory
von: Gurukar, Saket, et al.
Veröffentlicht: (2025)

MultiModal Action Conditioned Video Generation
von: Li, Yichen, et al.
Veröffentlicht: (2025)

PokeGym: A Visually-Driven Long-Horizon Benchmark for Vision-Language Models
von: Zhang, Ruizhi, et al.
Veröffentlicht: (2026)

IFViT: Interpretable Fixed-Length Representation for Fingerprint Matching via Vision Transformer
von: Qiu, Yuhang, et al.
Veröffentlicht: (2024)

Block-Recurrent Dynamics in Vision Transformers
von: Jacobs, Mozes, et al.
Veröffentlicht: (2025)

VariViT: A Vision Transformer for Variable Image Sizes
von: Varma, Aswathi, et al.
Veröffentlicht: (2026)

World-Ego Modeling for Long-Horizon Evolution in Hybrid Embodied Tasks
von: Lin, Zuyao, et al.
Veröffentlicht: (2026)

Real-Time Long Horizon Air Quality Forecasting via Group-Relative Policy Optimization
von: Kang, Inha, et al.
Veröffentlicht: (2025)

CRFT: Consistent-Recurrent Feature Flow Transformer for Cross-Modal Image Registration
von: Liu, Xuecong, et al.
Veröffentlicht: (2026)

bViT: Investigating Single-Block Recurrence in Vision Transformers for Image Recognition
von: Byra, Michal, et al.
Veröffentlicht: (2026)

POCI-Diff: Position Objects Consistently and Interactively with 3D-Layout Guided Diffusion
von: Rigo, Andrea, et al.
Veröffentlicht: (2026)

VideoMem: Enhancing Ultra-Long Video Understanding via Adaptive Memory Management
von: Jin, Hongbo, et al.
Veröffentlicht: (2025)

Infinite-World: Scaling Interactive World Models to 1000-Frame Horizons via Pose-Free Hierarchical Memory
von: Wu, Ruiqi, et al.
Veröffentlicht: (2026)

MemoryMamba: Memory-Augmented State Space Model for Defect Recognition
von: Wang, Qianning, et al.
Veröffentlicht: (2024)

How Long Can Unified Multimodal Models Generate Images Reliably? Taming Long-Horizon Interleaved Image Generation via Context Curation
von: Chen, Haoyu, et al.
Veröffentlicht: (2026)

Learning Long-Term Temporal Dependencies in Photovoltaic Power Output Prediction Through Multi-Horizon Forecasting
von: Laha, Sumit, et al.
Veröffentlicht: (2026)

EXPLORE-Bench: Egocentric Scene Prediction with Long-Horizon Reasoning
von: Yu, Chengjun, et al.
Veröffentlicht: (2026)

Single-pass Adaptive Image Tokenization for Minimum Program Search
von: Duggal, Shivam, et al.
Veröffentlicht: (2025)

DiffEM: Learning from Corrupted Data with Diffusion Models via Expectation Maximization
von: Hosseintabar, Danial, et al.
Veröffentlicht: (2025)

Memory-Efficient Continual Learning Object Segmentation for Long Video
von: Nazemi, Amir, et al.
Veröffentlicht: (2023)

ReWind: Understanding Long Videos with Instructed Learnable Memory
von: Diko, Anxhelo, et al.
Veröffentlicht: (2024)

Step-Level Visual Grounding Faithfulness Predicts Out-of-Distribution Generalization in Long-Horizon Vision-Language Models
von: Rahman, Md Ashikur, et al.
Veröffentlicht: (2026)

VideoCAD: A Dataset and Model for Learning Long-Horizon 3D CAD UI Interactions from Video
von: Man, Brandon, et al.
Veröffentlicht: (2025)

Separating Knowledge and Perception with Procedural Data
von: Rodríguez-Muñoz, Adrián, et al.
Veröffentlicht: (2025)