会员服务
Training-Free Open-Vocabulary Visual Grounding for Remote Sensing Images and Videos
Arxiv
0+阅读 · 6月15日
Focus When Necessary: Adaptive Routing and Collaborative Grounding for Training-Free Visual Grounding
Arxiv
0+阅读 · 6月15日
MoDA: Modulation Adapter for Fine-Grained Visual Grounding in Instructional MLLMs
Arxiv
0+阅读 · 6月5日
SG2Loc: Sequential Visual Localization on 3D Scene Graphs
Arxiv
0+阅读 · 6月10日
ParseBench: A Document Parsing Benchmark for AI Agents
Arxiv
0+阅读 · 4月10日
ParseBench: A Document Parsing Benchmark for AI Agents
Arxiv
0+阅读 · 4月9日
ReCap: Lightweight Referential Grounding for Coherent Story Visualization
Arxiv
0+阅读 · 4月20日
Beyond Referring Expressions: Scenario Comprehension Visual Grounding
Arxiv
0+阅读 · 4月2日
IAG: Input-aware Backdoor Attack on VLM-based Visual Grounding
Arxiv
0+阅读 · 3月7日
Open-Text Aerial Detection: A Unified Framework For Aerial Visual Grounding And Detection
Arxiv
0+阅读 · 2月8日
UGround: Towards Unified Visual Grounding with Unrolled Transformers
Arxiv
0+阅读 · 2月15日
UGround: Towards Unified Visual Grounding with Unrolled Transformers
Arxiv
0+阅读 · 2月10日
Beyond Static Cropping: Layer-Adaptive Visual Localization and Decoding Enhancement
Arxiv
0+阅读 · 2月4日
DiffVL: Diffusion-Based Visual Localization on 2D Maps via BEV-Conditioned GPS Denoising
Arxiv
0+阅读 · 2月3日
Z3D: Zero-Shot 3D Visual Grounding from Images
Arxiv
0+阅读 · 2月3日
参考链接
微信扫码咨询专知VIP会员
Top