Buchumschlag

Retrieve What's Missing: Coverage-Maximizing Retrieval for Consistent Long Video Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Joo, Minseok, Park, Dogyun, Lee, Taehoon, Lee, Kyujin, Kim, Hyunwoo J.
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

Blockwise Flow Matching: Improving Flow Matching Models For Efficient High-Quality Generation
von: Park, Dogyun, et al.
Veröffentlicht: (2025)

Constant Acceleration Flow
von: Park, Dogyun, et al.
Veröffentlicht: (2024)

Diffusion Prior-Based Amortized Variational Inference for Noisy Inverse Problems
von: Lee, Sojin, et al.
Veröffentlicht: (2024)

Robust Multimodal 3D Object Detection via Modality-Agnostic Decoding and Proximity-based Modality Ensemble
von: Cha, Juhan, et al.
Veröffentlicht: (2024)

Stochastic Conditional Diffusion Models for Robust Semantic Image Synthesis
von: Ko, Juyeon, et al.
Veröffentlicht: (2024)

Captioning for Text-Video Retrieval via Dual-Group Direct Preference Optimization
von: Lee, Ji Soo, et al.
Veröffentlicht: (2025)

Probabilistic Precision and Recall Towards Reliable Evaluation of Generative Models
von: Park, Dogyun, et al.
Veröffentlicht: (2023)

Bidirectional Likelihood Estimation with Multi-Modal Large Language Models for Text-Video Retrieval
von: Ko, Dohwan, et al.
Veröffentlicht: (2025)

Follow the Saliency: Supervised Saliency for Retrieval-augmented Dense Video Captioning
von: Choi, Seung hee, et al.
Veröffentlicht: (2026)

Visual Diversity and Region-aware Prompt Learning for Zero-shot HOI Detection
von: Yang, Chanhyeong, et al.
Veröffentlicht: (2025)

F4Splat: Feed-Forward Predictive Densification for Feed-Forward 3D Gaussian Splatting
von: Kim, Injae, et al.
Veröffentlicht: (2026)

Transferable Model-agnostic Vision-Language Model Adaptation for Efficient Weak-to-Strong Generalization
von: Park, Jihwan, et al.
Veröffentlicht: (2025)

RegFormer: Transferable Relational Grounding for Efficient Weakly-Supervised Human-Object Interaction Detection
von: Park, Jihwan, et al.
Veröffentlicht: (2026)

Super-class guided Transformer for Zero-Shot Attribute Classification
von: Kim, Sehyung, et al.
Veröffentlicht: (2025)

Context as Memory: Scene-Consistent Interactive Long Video Generation with Memory Retrieval
von: Yu, Jiwen, et al.
Veröffentlicht: (2025)

Retrieval-Augmented Open-Vocabulary Object Detection
von: Kim, Jooyeon, et al.
Veröffentlicht: (2024)

EFlow: Fast Few-Step Video Generator Training from Scratch via Efficient Solution Flow
von: Park, Dogyun, et al.
Veröffentlicht: (2026)

SALOVA: Segment-Augmented Long Video Assistant for Targeted Retrieval and Routing in Long-Form Video Analysis
von: Kim, Junho, et al.
Veröffentlicht: (2024)

Revisiting Weakly-Supervised Video Scene Graph Generation via Pair Affinity Learning
von: Kang, Minseok, et al.
Veröffentlicht: (2026)

VidChain: Chain-of-Tasks with Metric-based Direct Preference Optimization for Dense Video Captioning
von: Lee, Ji Soo, et al.
Veröffentlicht: (2025)

Infinite-Story: A Training-Free Consistent Text-to-Image Generation
von: Park, Jihun, et al.
Veröffentlicht: (2025)

Learning Trimodal Relation for Audio-Visual Question Answering with Missing Modality
von: Park, Kyu Ri, et al.
Veröffentlicht: (2024)

Narrating the Video: Boosting Text-Video Retrieval via Comprehensive Utilization of Frame-Level Captions
von: Hur, Chan, et al.
Veröffentlicht: (2025)

Learning Audio-guided Video Representation with Gated Attention for Video-Text Retrieval
von: Jeong, Boseung, et al.
Veröffentlicht: (2025)

Open-Attribute Recognition for Person Retrieval: Finding People Through Distinctive and Novel Attributes
von: Park, Minjeong, et al.
Veröffentlicht: (2025)

Sprint: Sparse-Dense Residual Fusion for Efficient Diffusion Transformers
von: Park, Dogyun, et al.
Veröffentlicht: (2025)

GenCLIP: Generalizing CLIP Prompts for Zero-shot Anomaly Detection
von: Kim, Donghyeong, et al.
Veröffentlicht: (2025)

OmniMem: Scalable and Adaptive Memory Retrieval for Long Video Generation
von: Zhao, Lin, et al.
Veröffentlicht: (2026)

CAST: Modeling Visual State Transitions for Consistent Video Retrieval
von: Liu, Yanqing, et al.
Veröffentlicht: (2026)

Text-Video Retrieval with Global-Local Semantic Consistent Learning
von: Zhang, Haonan, et al.
Veröffentlicht: (2024)

Relevance-aware Multi-context Contrastive Decoding for Retrieval-augmented Visual Question Answering
von: Kim, Jongha, et al.
Veröffentlicht: (2026)

Long Video Understanding with Learnable Retrieval in Video-Language Models
von: Xu, Jiaqi, et al.
Veröffentlicht: (2023)

DrVideo: Document Retrieval Based Long Video Understanding
von: Ma, Ziyu, et al.
Veröffentlicht: (2024)

Rethinking Electro-Optical Vision Foundation Models for Remote Sensing Retrieval: A Controlled Comparison with Generalist VFM
von: Park, Hyobin, et al.
Veröffentlicht: (2026)

Point to Span: Zero-Shot Moment Retrieval for Navigating Unseen Hour-Long Videos
von: Jeon, Mingyu, et al.
Veröffentlicht: (2025)

Vgent: Graph-based Retrieval-Reasoning-Augmented Generation For Long Video Understanding
von: Shen, Xiaoqian, et al.
Veröffentlicht: (2025)

Weatherproofing Retrieval for Localization with Generative AI and Geometric Consistency
von: Kalantidis, Yannis, et al.
Veröffentlicht: (2024)

vid-TLDR: Training Free Token merging for Light-weight Video Transformer
von: Choi, Joonmyung, et al.
Veröffentlicht: (2024)

CMTM: Cross-Modal Token Modulation for Unsupervised Video Object Segmentation
von: Jeon, Inseok, et al.
Veröffentlicht: (2026)

DeepVideo-R1: Video Reinforcement Fine-Tuning via Difficulty-aware Regressive GRPO
von: Park, Jinyoung, et al.
Veröffentlicht: (2025)