会员服务
LiveStarPro: Proactive Streaming Video Understanding with Hierarchical Memory for Long-Horizon Streams
Arxiv
0+阅读 · 6月16日
Decoupled Object-Centric Video Understanding for Generating Robotic Manipulation Commands
Arxiv
0+阅读 · 6月15日
FrameOracle: Learning What to See and How Much to See in Videos
Arxiv
0+阅读 · 6月13日
What Should a Streaming Video Model Remember?
Arxiv
0+阅读 · 6月15日
Q-Fold: Query-Aware Focus-Context Spatio-Temporal Folding for Long Video Understanding
Arxiv
0+阅读 · 6月10日
Temporal2Seq: A Unified Framework for Temporal Video Understanding Tasks
Arxiv
0+阅读 · 6月10日
From Content to Knowledge: Lightning Fast Long-Video Understanding with Neural Knowledge Representations
Arxiv
0+阅读 · 6月10日
ViMU: Benchmarking Video Metaphorical Understanding
Arxiv
0+阅读 · 5月14日
Watch, Remember, Reason: Human-View Video Understanding with MLLMs
Arxiv
0+阅读 · 6月5日
MedHorizon: Towards Long-context Medical Video Understanding in the Wild
Arxiv
0+阅读 · 5月7日
Mobile-VideoGPT: Fast and Accurate Model for Mobile Video Understanding
Arxiv
0+阅读 · 3月19日
Exploring High-Order Self-Similarity for Video Understanding
Arxiv
0+阅读 · 4月22日
VideoARM: Agentic Reasoning over Hierarchical Memory for Long-Form Video Understanding
Arxiv
0+阅读 · 3月30日
Video Panels for Long Video Understanding
Arxiv
0+阅读 · 4月20日
StreamGaze: Gaze-Guided Temporal Reasoning and Proactive Understanding in Streaming Videos
Arxiv
0+阅读 · 3月27日
参考链接
微信扫码咨询专知VIP会员
Top