Scratching Visual Transformer's Back with Uniform Attention
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Hyeon-Woo, Nam, Yu-Ji, Kim, Heo, Byeongho, Han, Dongyoon, Oh, Seong Joon, Oh, Tae-Hyun |
|---|---|
| Format: | Preprint |
| Publié: |
2022
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Morphing Tokens Draw Strong Masked Image Models
par: Kim, Taekyung, et autres
Publié: (2023)
par: Kim, Taekyung, et autres
Publié: (2023)
DenseNets Reloaded: Paradigm Shift Beyond ResNets and ViTs
par: Kim, Donghyun, et autres
Publié: (2024)
par: Kim, Donghyun, et autres
Publié: (2024)
Learning with Unmasked Tokens Drives Stronger Vision Learners
par: Kim, Taekyung, et autres
Publié: (2023)
par: Kim, Taekyung, et autres
Publié: (2023)
Rotary Position Embedding for Vision Transformer
par: Heo, Byeongho, et autres
Publié: (2024)
par: Heo, Byeongho, et autres
Publié: (2024)
Learning Correlation-aware Aleatoric Uncertainty for 3D Hand Pose Estimation
par: Chae-Yeon, Lee, et autres
Publié: (2025)
par: Chae-Yeon, Lee, et autres
Publié: (2025)
Masking meets Supervision: A Strong Learning Alliance
par: Heo, Byeongho, et autres
Publié: (2023)
par: Heo, Byeongho, et autres
Publié: (2023)
VLM's Eye Examination: Instruct and Inspect Visual Competency of Vision Language Models
par: Hyeon-Woo, Nam, et autres
Publié: (2024)
par: Hyeon-Woo, Nam, et autres
Publié: (2024)
Exploring Conditions for Diffusion models in Robotic Control
par: Shin, Heeseong, et autres
Publié: (2025)
par: Shin, Heeseong, et autres
Publié: (2025)
Token Bottleneck: One Token to Remember Dynamics
par: Kim, Taekyung, et autres
Publié: (2025)
par: Kim, Taekyung, et autres
Publié: (2025)
Learning to See What You Need: Gaze Attention for Multimodal Large Language Models
par: Song, Junha, et autres
Publié: (2026)
par: Song, Junha, et autres
Publié: (2026)
Match me if you can: Semi-Supervised Semantic Correspondence Learning with Unpaired Images
par: Kim, Jiwon, et autres
Publié: (2023)
par: Kim, Jiwon, et autres
Publié: (2023)
DNNs May Determine Major Properties of Their Outputs Early, with Timing Possibly Driven by Bias
par: Park, Song, et autres
Publié: (2025)
par: Park, Song, et autres
Publié: (2025)
BEAF: Observing BEfore-AFter Changes to Evaluate Hallucination in Vision-language Models
par: Ye-Bin, Moon, et autres
Publié: (2024)
par: Ye-Bin, Moon, et autres
Publié: (2024)
SeiT++: Masked Token Modeling Improves Storage-efficient Training
par: Lee, Minhyun, et autres
Publié: (2023)
par: Lee, Minhyun, et autres
Publié: (2023)
GaussExplorer: 3D Gaussian Splatting for Embodied Exploration and Reasoning
par: Yu-Ji, Kim, et autres
Publié: (2026)
par: Yu-Ji, Kim, et autres
Publié: (2026)
AVHBench: A Cross-Modal Hallucination Benchmark for Audio-Visual Large Language Models
par: Sung-Bin, Kim, et autres
Publié: (2024)
par: Sung-Bin, Kim, et autres
Publié: (2024)
Early Failure Detection and Intervention in Video Diffusion Models
par: Byung-Ki, Kwon, et autres
Publié: (2026)
par: Byung-Ki, Kwon, et autres
Publié: (2026)
RL makes MLLMs see better than SFT
par: Song, Junha, et autres
Publié: (2025)
par: Song, Junha, et autres
Publié: (2025)
MaskRIS: Semantic Distortion-aware Data Augmentation for Referring Image Segmentation
par: Lee, Minhyun, et autres
Publié: (2024)
par: Lee, Minhyun, et autres
Publié: (2024)
SYNAuG: Exploiting Synthetic Data for Data Imbalance Problems
par: Ye-Bin, Moon, et autres
Publié: (2023)
par: Ye-Bin, Moon, et autres
Publié: (2023)
Enhancing Speech-Driven 3D Facial Animation with Audio-Visual Guidance from Lip Reading Expert
par: EunGi, Han, et autres
Publié: (2024)
par: EunGi, Han, et autres
Publié: (2024)
Balancing Efficiency and Quality: MoEISR for Arbitrary-Scale Image Super-Resolution
par: Oh, Young Jae, et autres
Publié: (2023)
par: Oh, Young Jae, et autres
Publié: (2023)
AlignDiT: Multimodal Aligned Diffusion Transformer for Synchronized Speech Generation
par: Choi, Jeongsoo, et autres
Publié: (2025)
par: Choi, Jeongsoo, et autres
Publié: (2025)
Lipsum-FT: Robust Fine-Tuning of Zero-Shot Models Using Random Text Guidance
par: Nam, Giung, et autres
Publié: (2024)
par: Nam, Giung, et autres
Publié: (2024)
VSC: Visual Search Compositional Text-to-Image Diffusion Model
par: Dat, Do Huu, et autres
Publié: (2025)
par: Dat, Do Huu, et autres
Publié: (2025)
Retrieval-Augmented Natural Language Reasoning for Explainable Visual Question Answering
par: Lim, Su Hyeon, et autres
Publié: (2024)
par: Lim, Su Hyeon, et autres
Publié: (2024)
WWW: A Unified Framework for Explaining What, Where and Why of Neural Networks by Interpretation of Neuron Concepts
par: Ahn, Yong Hyun, et autres
Publié: (2024)
par: Ahn, Yong Hyun, et autres
Publié: (2024)
Mask-Free Neuron Concept Annotation for Interpreting Neural Networks in Medical Domain
par: Kim, Hyeon Bae, et autres
Publié: (2024)
par: Kim, Hyeon Bae, et autres
Publié: (2024)
Perceptually Accurate 3D Talking Head Generation: New Definitions, Speech-Mesh Representation, and Evaluation Metrics
par: Chae-Yeon, Lee, et autres
Publié: (2025)
par: Chae-Yeon, Lee, et autres
Publié: (2025)
SA-ResGS: Self-Augmented Residual 3D Gaussian Splatting for Next Best View Selection
par: Jun-Seong, Kim, et autres
Publié: (2026)
par: Jun-Seong, Kim, et autres
Publié: (2026)
Learning-based Axial Video Motion Magnification
par: Byung-Ki, Kwon, et autres
Publié: (2023)
par: Byung-Ki, Kwon, et autres
Publié: (2023)
Similarity of Neural Architectures using Adversarial Attack Transferability
par: Hwang, Jaehui, et autres
Publié: (2022)
par: Hwang, Jaehui, et autres
Publié: (2022)
Dr. Splat: Directly Referring 3D Gaussian Splatting via Direct Language Embedding Registration
par: Jun-Seong, Kim, et autres
Publié: (2025)
par: Jun-Seong, Kim, et autres
Publié: (2025)
GroupCoOp: Group-robust Fine-tuning via Group Prompt Learning
par: Kim, Nayeong, et autres
Publié: (2025)
par: Kim, Nayeong, et autres
Publié: (2025)
Pretrained Visual Uncertainties
par: Kirchhof, Michael, et autres
Publié: (2024)
par: Kirchhof, Michael, et autres
Publié: (2024)
HDR-NSFF: High Dynamic Range Neural Scene Flow Fields
par: Dong-Yeon, Shin, et autres
Publié: (2026)
par: Dong-Yeon, Shin, et autres
Publié: (2026)
Factorized Multi-Resolution HashGrid for Efficient Neural Radiance Fields: Execution on Edge-Devices
par: Jun-Seong, Kim, et autres
Publié: (2026)
par: Jun-Seong, Kim, et autres
Publié: (2026)
Half-Truths Break Similarity-Based Retrieval
par: Kargi, Bora, et autres
Publié: (2026)
par: Kargi, Bora, et autres
Publié: (2026)
On the rankability of visual embeddings
par: Sonthalia, Ankit, et autres
Publié: (2025)
par: Sonthalia, Ankit, et autres
Publié: (2025)
SoundBrush: Sound as a Brush for Visual Scene Editing
par: Sung-Bin, Kim, et autres
Publié: (2024)
par: Sung-Bin, Kim, et autres
Publié: (2024)
Documents similaires
-
Morphing Tokens Draw Strong Masked Image Models
par: Kim, Taekyung, et autres
Publié: (2023) -
DenseNets Reloaded: Paradigm Shift Beyond ResNets and ViTs
par: Kim, Donghyun, et autres
Publié: (2024) -
Learning with Unmasked Tokens Drives Stronger Vision Learners
par: Kim, Taekyung, et autres
Publié: (2023) -
Rotary Position Embedding for Vision Transformer
par: Heo, Byeongho, et autres
Publié: (2024) -
Learning Correlation-aware Aleatoric Uncertainty for 3D Hand Pose Estimation
par: Chae-Yeon, Lee, et autres
Publié: (2025)