视频大模型

Addressing the ID-Matching Challenge in Long Video Captioning

Zhantao Yang, Huangji Wang, Ruili Feng, Han Zhang, Yuting Hu, Shangwen Zhu, Junyan Li, Yu Liu, Fan Cheng

机构 * Shanghai Jiao Tong University（上海交通大学） ； Alibaba group（阿里巴巴集团） 纠错

专题命中 视频理解 ：long video(title,abstract)；video generation(abstract)；text-to-video(abstract)；分类 cs.CV

HoPE: Hybrid of Position Embedding for Long Context Vision-Language Models

Haoran Li, Yingjie Qin, Baoyuan Ou, Lai Xu, Ruiwen Xu

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Xiaohongshu Inc.（小红书公司） 纠错

专题命中 视频理解 ：video understanding(abstract)；long video(abstract)；分类 cs.CV

Comments NeurIPS 2025

Empowering LLMs with Pseudo-Untrimmed Videos for Audio-Visual Temporal Understanding

Yolo Yunlong Tang, Daiki Shimada, Jing Bi, Mingqian Feng, Hang Hua, Chenliang Xu

专题命中 视频理解 ：video-language(abstract)；分类 cs.CV

Comments Accepted to AAAI 2025

GPS-MTM: Capturing Pattern of Normalcy in GPS-Trajectories with self-supervised learning

Umang Garg, Bowen Zhang, Anantajit Subrahmanya, Chandrakanth Gudavalli, BS Manjunath

机构 * ECE Department（电子工程系） ； University of California（加州大学） 纠错

专题命中 视频理解 ：video understanding(abstract)；分类 cs.CV

Comments 4 pages, 2 figures