会员服务
Transform and Entropy Coding in AV2
Arxiv
0+阅读 · 1月6日
Omni2Sound: Towards Unified Video-Text-to-Audio Generation
Arxiv
0+阅读 · 1月6日
LTX-2: Efficient Joint Audio-Visual Foundation Model
Arxiv
0+阅读 · 1月6日
SignX: Continuous Sign Recognition in Compact Pose-Rich Latent Space
Arxiv
0+阅读 · 1月6日
Efficient and Robust Video Defense Framework against 3D-field Personalized Talking Face
Arxiv
0+阅读 · 1月6日
TA-Prompting: Enhancing Video Large Language Models for Dense Video Captioning via Temporal Anchors
Arxiv
0+阅读 · 1月6日
BusterX++: Towards Unified Cross-Modal AI-Generated Content Detection and Explanation with MLLM
Arxiv
0+阅读 · 1月6日
DreamStyle: A Unified Framework for Video Stylization
Arxiv
0+阅读 · 1月6日
The perceptual gap between video see-through displays and natural human vision
Arxiv
0+阅读 · 1月6日
Evaluating Gemini Robotics Policies in a Veo World Simulator
Arxiv
0+阅读 · 1月6日
FFP-300K: Scaling First-Frame Propagation for Generalizable Video Editing
Arxiv
0+阅读 · 1月6日
PrismVAU: Prompt-Refined Inference System for Multimodal Video Anomaly Understanding
Arxiv
0+阅读 · 1月6日
Answering from Sure to Uncertain: Uncertainty-Aware Curriculum Learning for Video Question Answering
Arxiv
0+阅读 · 1月5日
EyeLiveMetrics: Real-time Analysis of Online Reading with Eye Tracking
Arxiv
0+阅读 · 1月5日
MagicFight: Personalized Martial Arts Combat Video Generation
Arxiv
0+阅读 · 1月5日
参考链接
微信扫码咨询专知VIP会员
Top