Xi'an Jiaotong University（西安交通大学）

MambaVF: State Space Model for Efficient Video Fusion

MambaVF：用于高效视频融合的状态空间模型

Zixiang Zhao, Yukun Cui, Lilun Deng, Haowen Bai, Haotong Qin, Tao Feng, Konrad Schindler

机构 * Xi'an Jiaotong University（西安交通大学） ； Nanyang Technological University（南洋理工大学） ； Tsinghua University（清华大学） 纠错

AI总结 MambaVF通过基于状态空间模型的高效框架，实现了无需显式运动估计的视频融合，显著提升效率和性能。

Boosting SAM for Cross-Domain Few-Shot Segmentation via Conditional Point Sparsification

通过条件点稀疏化提升SAM用于跨域少样本分割

Jiahao Nie, Yun Xing, Wenbin An, Qingsong Zhao, Jiawei Shao, Yap-Peng Tan, Alex C. Kot, Shijian Lu, Xuelong Li

机构 * Nanyang Technological University（南洋理工大学） ； Institute of Artificial Intelligence (TeleAI), China Telecom（人工智能研究所（TeleAI），中国电信） ； Xi'an Jiaotong University（西安交通大学） ； VinUniversity（文大学） 纠错

AI总结 本文提出条件点稀疏化方法，通过自适应引导SAM实现跨域少样本分割的更准确结果。

E.M.Ground: A Temporal Grounding Vid-LLM with Holistic Event Perception and Matching

E.M.Ground: 一种具有整体事件感知和匹配的时序地面视频大语言模型

Jiahao Nie, Wenbin An, Gongjie Zhang, Yicheng Xu, Yap-Peng Tan, Alex C. Kot, Shijian Lu

机构 * Interdisciplinary Graduate Programme, Nanyang Technological University, Singapore（南洋理工大学交叉学科研究生项目） ； Xi’an Jiaotong University, China（西安交通大学） ； Alibaba DAMO Academy, Singapore（阿里巴巴达摩院） ； Institute of Science Tokyo, Japan（东京科学研究院） ； VinUniversity, Vietnam（文大学） ； Nanyang Technological University, Singapore（南洋理工大学） 纠错

AI总结 E.M.Ground通过引入事件标记、平滑处理和多粒度特征聚合，提升了时序视频地面任务的性能。