Grounded Objects and Interactions for Video Captioning
专题命中 视频理解 :video understanding(abstract);分类 cs.CV
Comments arXiv admin note: substantial text overlap with arXiv:1711.06330
AI 大模型
视频理解、视频生成、视频语言模型和时序视觉推理。
专题命中 视频理解 :video understanding(abstract);分类 cs.CV
Comments arXiv admin note: substantial text overlap with arXiv:1711.06330
专题命中 视频理解 :video understanding(abstract);分类 cs.CV
Comments ICCV 2017 Workshop on Video and Language Understanding: MovieQA and the Large Scale Movie Description Challenge
专题命中 视频理解 :video understanding(abstract);分类 cs.CV
Comments 9 pages, 5 figures
专题命中 视频理解 :video understanding(abstract);分类 cs.MM
Comments Accepted as a Thematic Workshops paper at ACM MM 2017
专题命中 视频理解 :video understanding(abstract);分类 cs.CV
Comments Submitted to CVIU SI: Computer Vision and the Web
专题命中 视频理解 :text-to-video(abstract);分类 cs.CV
Comments To appear in ICCV 2017
专题命中 视频理解 :video understanding(abstract);分类 cs.CV
专题命中 视频理解 :video understanding(abstract);分类 cs.CV
Comments CVPR 2017 Youtube-8M Workshop
专题命中 视频理解 :video understanding(abstract);分类 cs.CV
Comments 7 pages, 5 tables, 1 figure
专题命中 视频理解 :long video(abstract);分类 cs.CV
Comments International Journal of Computer Vision
专题命中 视频理解 :video understanding(abstract);分类 cs.CV
专题命中 视频理解 :video understanding(abstract);分类 cs.CV
专题命中 视频理解 :long video(abstract);分类 cs.CV
Comments Accepted in WACV 2017
专题命中 视频理解 :long video(abstract);分类 cs.CV
专题命中 视频理解 :video understanding(abstract);分类 cs.CV
Comments Preprint submitted to Computer Vision and Image Understanding
专题命中 视频理解 :long video(abstract);分类 cs.CV
专题命中 视频理解 :long video(abstract);分类 cs.CV
Comments Accepted to ECCV 2016
专题命中 视频理解 :video understanding(abstract);分类 cs.CV
专题命中 视频理解 :video understanding(abstract);分类 cs.CV
专题命中 视频理解 :video understanding(abstract);分类 cs.CV
专题命中 视频理解 :video understanding(abstract);分类 cs.CV
专题命中 视频理解 :long video(abstract);分类 cs.CV
Comments Video summarization, deep convolutional neural networks, co-regularized restricted Boltzmann machines
专题命中 视频理解 :long video(abstract);分类 cs.CV
Comments 13 pages
BasketEvent:理解篮球视频中谁在何时做了什么
机构 * School of Artificial Intelligence, Shanghai Jiao Tong University(上海交通大学人工智能学院)
专题命中 视频理解 :video understanding(abstract)
AI总结 该研究旨在解决篮球视频理解问题,提出以球员为中心的BasketEvent数据集,引入PlayNet推理框架,通过建模多种互动并聚合时间证据进行事件预测,实验证明其在体育视频理解上优于基线。
EPIC:面向具身AR眼镜的高效自我中心感知系统框架
专题命中 视频理解 :video understanding(abstract)
AI总结 提出EPIC系统,通过算法-硬件协同优化,利用注视、姿态和惯性信号推断用户意图,仅保留高分辨率感知输入中最具信息量的部分,平均减少27.5倍内存占用和24.3倍能耗,同时保持自我中心视频理解任务的智能辅助精度。
OneBar:一种面向电商视频流的端到端内容驱动生成式查询推荐框架
专题命中 视频理解 :video understanding(abstract)
AI总结 提出OneBar框架,通过协同多模态意图对齐、统一端到端架构和渐进偏好学习,解决短视频平台查询推荐中的延迟和偏好漂移问题,显著提升查询曝光和点击。
Comments Any questions feel free to contact: benchen4395@gmail.com
GridPE: 一种基于网格细胞的统一位置嵌入方法用于任意维度空间
机构 * New York University(纽约大学) ; Peking University(北京大学) ; Imperial College London(伦敦帝国学院) ; Tongji University(同济大学)
专题命中 视频理解 :video understanding(abstract)
AI总结 本文提出GridPE,一种受哺乳动物空间认知中六边形周期编码启发的新型位置嵌入框架,旨在解决高维时空任务中位置嵌入的理论保障问题,通过结合计算神经科学原理和调和分析,为任意维度空间提供统一的位置嵌入解决方案。
多视频摘要中位置偏差的系统评估:基于多模态大语言模型
机构 * School of Artificial Intelligence, Jilin University(吉林大学人工智能学院) ; Engineering Research Center of Knowledge-Driven Human-Machine Intelligence, Jilin University(知识驱动人机智能工程研究中心) ; International Center of Future Science, Jilin University(未来科学国际中心)
专题命中 视频理解 :video understanding(abstract)
AI总结 本研究系统评估了多模态大语言模型在多视频摘要任务中的位置偏差,通过构建基准和三种互补指标揭示了领域与模型依赖的偏差特性,并分析了提示级缓解方法。
OmniSIFT: 多模态非对称令牌压缩用于高效的多模态大语言模型
机构 * New Laboratory of Pattern Recognition (NLPR), Institute of Automation, Chinese Academy of Sciences (CASIA)(模式识别新实验室(NLPR)、自动化研究所、中国科学院(CASIA)) ; Nanjing University(南京大学) ; The Hong Kong University of Science(香港科学大学) ; Sichuan University(四川大学) ; Peking University(北京大学)
专题命中 视频理解 :video understanding(abstract)
AI总结 OmniSIFT通过非对称令牌压缩框架提升多模态大语言模型效率,采用时空视频修剪和视觉引导音频选择模块,实现低参数高鲁棒性。
Comments [ICML 2026] Code Link: https://github.com/dingyue772/OmniSIFT
见林木而非树木:通过视觉-语义引导实现松散推测解码以提高视频大语言模型的推理效率
机构 * ZJU(浙江大学) ; BUPT(北京邮电大学)
专题命中 视频理解 :video understanding(abstract)
AI总结 本文提出LVSpec,一种无需训练的松散推测解码框架,通过视觉相关锚点识别和位置移位容忍机制,提升视频大语言模型的推理速度和精度。
Comments ACL'2026 Main Conference