视频大模型

Controllable Hybrid Captioner for Improved Long-form Video Understanding

Kuleen Sasse, Efsun Sarioglu Kayi, Arun Reddy

机构 * Johns Hopkins University Applied Physics Laboratory（约翰霍普金斯大学应用物理实验室） 纠错

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

UniPixel: Unified Object Referring and Segmentation for Pixel-Level Visual Reasoning

Ye Liu, Zongyang Ma, Junfu Pu, Zhongang Qi, Yang Wu, Ying Shan, Chang Wen Chen

机构 * The Hong Kong Polytechnic University（香港理工大学） ； ARC Lab, Tencent PCG（腾讯PCG ARC实验室） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； vivo Mobile Communication Co.（vivo移动通信公司） ； MindWingman Technology (Shenzhen) Co., Ltd.（深圳MindWingman技术有限公司） 纠错

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

Comments NeurIPS 2025 Camera Ready. Project Page: https://polyu-chenlab.github.io/unipixel/

TYrPPG: Uncomplicated and Enhanced Learning Capability rPPG for Remote Heart Rate Estimation

Taixi Chen, Yiu-ming Cheung

机构 * School of Computing, Binghamton University（计算学院，宾夕法尼亚州立大学） ； Department of Computer Science, Hong Kong Baptist University（计算机科学系，香港 Baptist 大学） 纠错

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

Comments The 6th International Workshop on AI for Social Good in the Connected World (AI4SG)@ IEEE WI-IAT 2025