Buchumschlag

Winner Team Mia at TextVQA Challenge 2021: Vision-and-Language Representation Learning with Pre-trained Sequence-to-Sequence Model

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Qiao, Yixuan, Chen, Hao, Wang, Jun, Zhao, Shanshan, Chen, Yihao, Ye, Xianbin, Li, Ziliang, Qi, Xianbiao, Gao, Peng, Xie, Guotong
Format:	Preprint
Veröffentlicht:	2021
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

VTAgent: Agentic Keyframe Anchoring for Evidence-Aware Video TextVQA
von: He, Haibin, et al.
Veröffentlicht: (2026)

PASH at TREC 2021 Deep Learning Track: Generative Enhanced Model for Multi-stage Ranking
von: Qiao, Yixuan, et al.
Veröffentlicht: (2022)

Gather and Trace: Rethinking Video TextVQA from an Instance-oriented Perspective
von: Zhang, Yan, et al.
Veröffentlicht: (2025)

Track the Answer: Extending TextVQA from Image to Video with Spatio-Temporal Clues
von: Zhang, Yan, et al.
Veröffentlicht: (2024)

SFA: Scan, Focus, and Amplify toward Guidance-aware Answering for Video TextVQA
von: He, Haibin, et al.
Veröffentlicht: (2025)

Sequence-to-Sequence Spanish Pre-trained Language Models
von: Araujo, Vladimir, et al.
Veröffentlicht: (2023)

AdaMR: Adaptable Molecular Representation for Unified Pre-training Strategy
von: Ding, Yan, et al.
Veröffentlicht: (2023)

SFM-Protein: Integrative Co-evolutionary Pre-training for Advanced Protein Sequence Representation
von: He, Liang, et al.
Veröffentlicht: (2024)

Exploiting Pre-trained Encoder-Decoder Transformers for Sequence-to-Sequence Constituent Parsing
von: Fernández-González, Daniel, et al.
Veröffentlicht: (2026)

Spatial-Temporal Cross-View Contrastive Pre-training for Check-in Sequence Representation Learning
von: Gong, Letian, et al.
Veröffentlicht: (2024)

S$^2$ALM: Sequence-Structure Pre-trained Large Language Model for Comprehensive Antibody Representation Learning
von: Yin, Mingze, et al.
Veröffentlicht: (2024)

PrahokBART: A Pre-trained Sequence-to-Sequence Model for Khmer Natural Language Generation
von: Kaing, Hour, et al.
Veröffentlicht: (2025)

Non-autoregressive Sequence-to-Sequence Vision-Language Models
von: Shi, Kunyu, et al.
Veröffentlicht: (2024)

Modularized Zero-shot VQA with Pre-trained Models
von: Cao, Rui, et al.
Veröffentlicht: (2023)

Chinese Sequence Labeling with Semi-Supervised Boundary-Aware Language Model Pre-training
von: Zhang, Longhui, et al.
Veröffentlicht: (2024)

Superpixel Semantics Representation and Pre-training for Vision-Language Task
von: Zhang, Siyu, et al.
Veröffentlicht: (2023)

Efficient Vision-and-Language Pre-training with Text-Relevant Image Patch Selection
von: Ye, Wei, et al.
Veröffentlicht: (2024)

Towards Cultural Bridge by Bahnaric-Vietnamese Translation Using Transfer Learning of Sequence-To-Sequence Pre-training Language Model
von: Dat, Phan Tran Minh, et al.
Veröffentlicht: (2025)

Sequence Representation
von: Anonymous Author
Veröffentlicht: (2026)

DNT: a Deeply Normalized Transformer that can be trained by Momentum SGD
von: Qi, Xianbiao, et al.
Veröffentlicht: (2025)

The Full‐Length Genomic Sequence of the HLA‐DPA1*02:103 Allele Was Identified Using Oxford Nanopore Sequencing
von: Gang Li, et al.
Veröffentlicht: (2025)

Pre-trained Models Succeed in Medical Imaging with Representation Similarity Degradation
von: Zu, Wenqiang, et al.
Veröffentlicht: (2025)

UniVid: Unifying Vision Tasks with Pre-trained Video Generation Models
von: Chen, Lan, et al.
Veröffentlicht: (2025)

Beyond the Sequence: Statistics-Driven Pre-training for Stabilizing Sequential Recommendation Model
von: Wang, Sirui, et al.
Veröffentlicht: (2024)

Can LLM-Generated Text Empower Surgical Vision-Language Pre-training?
von: Che, Chengan, et al.
Veröffentlicht: (2026)

Caption First, VQA Second: Knowledge Density, Not Task Format, Drives Multimodal Scaling
von: Zou, Hongjian, et al.
Veröffentlicht: (2026)

Transforming Chatbot Text: A Sequence-to-Sequence Approach
von: Reddy, Natesh, et al.
Veröffentlicht: (2025)

COPA: Efficient Vision-Language Pre-training Through Collaborative Object- and Patch-Text Alignment
von: Jiang, Chaoya, et al.
Veröffentlicht: (2023)

Revisiting Continual Semantic Segmentation with Pre-trained Vision Models
von: Zhang, Duzhen, et al.
Veröffentlicht: (2025)

TiMix: Text-aware Image Mixing for Effective Vision-Language Pre-training
von: Jiang, Chaoya, et al.
Veröffentlicht: (2023)

UltraSeP: Sequence-aware Pre-training for Echocardiography Probe Movement Guidance
von: Jiang, Haojun, et al.
Veröffentlicht: (2024)

Exploring Pre-trained Text-to-Video Diffusion Models for Referring Video Object Segmentation
von: Zhu, Zixin, et al.
Veröffentlicht: (2024)

TRIPS: Efficient Vision-and-Language Pre-training with Text-Relevant Image Patch Selection
von: Jiang, Chaoya, et al.
Veröffentlicht: (2023)

Boosting Vision Semantic Density with Anatomy Normality Modeling for Medical Vision-language Pre-training
von: Cao, Weiwei, et al.
Veröffentlicht: (2025)

SimpleGPT: Improving GPT via A Simple Normalization Strategy
von: Chen, Marco, et al.
Veröffentlicht: (2026)

Delving into Muon and Beyond: Deep Analysis and Extensions
von: Qi, Xianbiao, et al.
Veröffentlicht: (2026)

Sequence-to-Sequence Neural Diarization with Automatic Speaker Detection and Representation
von: Cheng, Ming, et al.
Veröffentlicht: (2024)

The Cinema of Mia Hansen-Løve
von: Ince, Kate
Veröffentlicht: (2023)

A Novel Graph-Sequence Learning Model for Inductive Text Classification
von: Wang, Zuo, et al.
Veröffentlicht: (2025)

Vision Model Pre-training on Interleaved Image-Text Data via Latent Compression Learning
von: Yang, Chenyu, et al.
Veröffentlicht: (2024)