Buchumschlag

UniFormer: Unifying Convolution and Self-attention for Visual Recognition

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Kunchang, Wang, Yali, Zhang, Junhao, Gao, Peng, Song, Guanglu, Liu, Yu, Li, Hongsheng, Qiao, Yu
Format:	Preprint
Veröffentlicht:	2022
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Percept, Chat, and then Adapt: Multimodal Knowledge Transfer of Foundation Models for Open-World Video Recognition
von: Chen, Boyu, et al.
Veröffentlicht: (2024)

UniGRPO: Unified Policy Optimization for Reasoning-Driven Visual Generation
von: Liu, Jie, et al.
Veröffentlicht: (2026)

TransAgent: Transfer Vision-Language Foundation Models with Heterogeneous Agent Collaboration
von: Guo, Yiwei, et al.
Veröffentlicht: (2024)

UniForm: A Unified Multi-Task Diffusion Transformer for Audio-Video Generation
von: Zhao, Lei, et al.
Veröffentlicht: (2025)

Exploring the Role of Large Language Models in Prompt Encoding for Diffusion Models
von: Ma, Bingqi, et al.
Veröffentlicht: (2024)

Super Encoding Network: Recursive Association of Multi-Modal Encoders for Video Understanding
von: Chen, Boyu, et al.
Veröffentlicht: (2025)

UniForm: A Reuse Attention Mechanism Optimized for Efficient Vision Transformers on Edge Devices
von: Yeom, Seul-Ki, et al.
Veröffentlicht: (2024)

VideoMamba: State Space Model for Efficient Video Understanding
von: Li, Kunchang, et al.
Veröffentlicht: (2024)

Unmasked Teacher: Towards Training-Efficient Video Foundation Models
von: Li, Kunchang, et al.
Veröffentlicht: (2023)

MUSES: 3D-Controllable Image Generation via Multi-Modal Agent Collaboration
von: Ding, Yanbo, et al.
Veröffentlicht: (2024)

Visual CoT: Advancing Multi-Modal Language Models with a Comprehensive Dataset and Benchmark for Chain-of-Thought Reasoning
von: Shao, Hao, et al.
Veröffentlicht: (2024)

Images in Sentences: Scaling Interleaved Instructions for Unified Visual Generation
von: Zhang, Yabo, et al.
Veröffentlicht: (2026)

Uni-MuMER: Unified Multi-Task Fine-Tuning of Vision-Language Model for Handwritten Mathematical Expression Recognition
von: Li, Yu, et al.
Veröffentlicht: (2025)

Harvest Video Foundation Models via Efficient Post-Pretraining
von: Li, Yizhuo, et al.
Veröffentlicht: (2023)

Low-Resolution Action Recognition for Tiny Actions Challenge
von: Chen, Boyu, et al.
Veröffentlicht: (2022)

SeaFormer++: Squeeze-enhanced Axial Transformer for Mobile Visual Recognition
von: Wan, Qiang, et al.
Veröffentlicht: (2023)

FouriScale: A Frequency Perspective on Training-Free High-Resolution Image Synthesis
von: Huang, Linjiang, et al.
Veröffentlicht: (2024)

A Visual Self-attention Mechanism Facial Expression Recognition Network beyond Convnext
von: Nan, Bingyu, et al.
Veröffentlicht: (2025)

Uni-Edit: Intelligent Editing Is A General Task For Unified Model Tuning
von: Zheng, Dian, et al.
Veröffentlicht: (2026)

Attentive Convolution: Unifying the Expressivity of Self-Attention with Convolutional Efficiency
von: Yu, Hao, et al.
Veröffentlicht: (2025)

Skywork UniPic: Unified Autoregressive Modeling for Visual Understanding and Generation
von: Wang, Peiyu, et al.
Veröffentlicht: (2025)

Uni-Animator: Towards Unified Visual Colorization
von: Chen, Xinyuan, et al.
Veröffentlicht: (2026)

UniDGF: A Unified Detection-to-Generation Framework for Hierarchical Object Visual Recognition
von: Nan, Xinyu, et al.
Veröffentlicht: (2025)

UniFork: Exploring Modality Alignment for Unified Multimodal Understanding and Generation
von: Li, Teng, et al.
Veröffentlicht: (2025)

UniComp: Rethinking Video Compression Through Informational Uniqueness
von: Yuan, Chao, et al.
Veröffentlicht: (2025)

UniFlow: A Unified Pixel Flow Tokenizer for Visual Understanding and Generation
von: Yue, Zhengrong, et al.
Veröffentlicht: (2025)

Bootstrapping Language-Guided Navigation Learning with Self-Refining Data Flywheel
von: Wang, Zun, et al.
Veröffentlicht: (2024)

UniPAR: A Unified Framework for Pedestrian Attribute Recognition
von: Xu, Minghe, et al.
Veröffentlicht: (2026)

Vlogger: Make Your Dream A Vlog
von: Zhuang, Shaobin, et al.
Veröffentlicht: (2024)

AR-CoPO: Align Autoregressive Video Generation with Contrastive Policy Optimization
von: He, Dailan, et al.
Veröffentlicht: (2026)

EasyRef: Omni-Generalized Group Image Reference for Diffusion Models via Multimodal LLM
von: Zong, Zhuofan, et al.
Veröffentlicht: (2024)

MoVA: Adapting Mixture of Vision Experts to Multimodal Context
von: Zong, Zhuofan, et al.
Veröffentlicht: (2024)

High-Fidelity Diffusion Face Swapping with ID-Constrained Facial Conditioning
von: He, Dailan, et al.
Veröffentlicht: (2025)

OV-Uni3DETR: Towards Unified Open-Vocabulary 3D Object Detection via Cycle-Modality Propagation
von: Wang, Zhenyu, et al.
Veröffentlicht: (2024)

UniCUE: Unified Recognition and Generation Framework for Chinese Cued Speech Video-to-Speech Generation
von: Wang, Jinting, et al.
Veröffentlicht: (2025)

UniTok: A Unified Tokenizer for Visual Generation and Understanding
von: Ma, Chuofan, et al.
Veröffentlicht: (2025)

Breaking Dual Bottlenecks: Evolving Unified Multimodal Models into Self-Adaptive Interleaved Visual Reasoners
von: Liu, Qingyang, et al.
Veröffentlicht: (2026)

UniSync: A Unified Framework for Audio-Visual Synchronization
von: Feng, Tao, et al.
Veröffentlicht: (2025)

Be-Your-Outpainter: Mastering Video Outpainting through Input-Specific Adaptation
von: Wang, Fu-Yun, et al.
Veröffentlicht: (2024)

UniPercept: Towards Unified Perceptual-Level Image Understanding across Aesthetics, Quality, Structure, and Texture
von: Cao, Shuo, et al.
Veröffentlicht: (2025)