会员服务
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
Mosaic: Cross-Modal Clustering for Efficient Video Understanding
Arxiv
0+阅读 · 4月11日
VideoDetective: Clue Hunting via both Extrinsic Query and Intrinsic Relevance for Long Video Understanding
Arxiv
0+阅读 · 3月23日
AdaptToken: Entropy-based Adaptive Token Selection for MLLM Long Video Understanding
Arxiv
0+阅读 · 3月30日
StreamReady: Learning What to Answer and When in Long Streaming Videos
Arxiv
0+阅读 · 3月9日
DeepSVU: Towards In-depth Security-oriented Video Understanding via Unified Physical-world Regularized MoE
Arxiv
0+阅读 · 2月20日
PyraTok: Language-Aligned Pyramidal Tokenizer for Video Understanding and Generation
Arxiv
0+阅读 · 2月23日
Agentic Very Long Video Understanding
Arxiv
0+阅读 · 3月5日
Attend Before Attention: Efficient and Scalable Video Understanding via Autoregressive Gazing
Arxiv
0+阅读 · 3月12日
Learning Compact Video Representations for Efficient Long-form Video Understanding in Large Multimodal Models
Arxiv
0+阅读 · 2月19日
ReMoRa: Multimodal Large Language Model based on Refined Motion Representation for Long-Video Understanding
Arxiv
0+阅读 · 2月18日
参考链接
微信扫码咨询专知VIP会员
Top