Buchumschlag

Pretrained ViTs Yield Versatile Representations For Medical Images

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Matsoukas, Christos, Haslum, Johan Fredin, Sorkhei, Moein, Söderberg, Magnus, Smith, Kevin
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

k-NN as a Simple and Effective Estimator of Transferability
von: Sorkhei, Moein, et al.
Veröffentlicht: (2025)

APLA: A Simple Adaptation Method for Vision Transformers
von: Sorkhei, Moein, et al.
Veröffentlicht: (2025)

Efficient Self-Supervised Adaptation for Medical Image Analysis
von: Sorkhei, Moein, et al.
Veröffentlicht: (2025)

Learning from Offline Foundation Features with Tensor Augmentations
von: Konuk, Emir, et al.
Veröffentlicht: (2024)

Elastic ViTs from Pretrained Models without Retraining
von: Simoncini, Walter, et al.
Veröffentlicht: (2025)

VIVID-Med: LLM-Supervised Structured Pretraining for Deployable Medical ViTs
von: Wang, Xiyao, et al.
Veröffentlicht: (2026)

Purrturbed but Stable: Human-Cat Invariant Representations Across CNNs, ViTs and Self-Supervised ViTs
von: Shah, Arya, et al.
Veröffentlicht: (2025)

Adapting Pretrained ViTs with Convolution Injector for Visuo-Motor Control
von: Hwang, Dongyoon, et al.
Veröffentlicht: (2024)

I&S-ViT: An Inclusive & Stable Method for Pushing the Limit of Post-Training ViTs Quantization
von: Zhong, Yunshan, et al.
Veröffentlicht: (2023)

Octic Vision Transformers: Quicker ViTs Through Equivariance
von: Nordström, David, et al.
Veröffentlicht: (2025)

U-REPA: Aligning Diffusion U-Nets to ViTs
von: Tian, Yuchuan, et al.
Veröffentlicht: (2025)

Harnessing the Computation Redundancy in ViTs to Boost Adversarial Transferability
von: Liu, Jiani, et al.
Veröffentlicht: (2025)

STRAP-ViT: Segregated Tokens with Randomized -- Transformations for Defense against Adversarial Patches in ViTs
von: Chattopadhyay, Nandish, et al.
Veröffentlicht: (2026)

Decomposing and Interpreting Image Representations via Text in ViTs Beyond CLIP
von: Balasubramanian, Sriram, et al.
Veröffentlicht: (2024)

Which Direction to Choose? An Analysis on the Representation Power of Self-Supervised ViTs in Downstream Tasks
von: Kaltampanidis, Yannis, et al.
Veröffentlicht: (2025)

Colinearity Decay: Training Quantization-Friendly ViTs with Outlier Decay
von: Tong, Jin, et al.
Veröffentlicht: (2026)

AFIDAF: Alternating Fourier and Image Domain Adaptive Filters as an Efficient Alternative to Attention in ViTs
von: Zheng, Yunling, et al.
Veröffentlicht: (2024)

Intriguing Frequency Interpretation of Adversarial Robustness for CNNs and ViTs
von: Chen, Lu, et al.
Veröffentlicht: (2025)

Unsupervised Object Localization in the Era of Self-Supervised ViTs: A Survey
von: Siméoni, Oriane, et al.
Veröffentlicht: (2023)

CLAMP-ViT: Contrastive Data-Free Learning for Adaptive Post-Training Quantization of ViTs
von: Ramachandran, Akshat, et al.
Veröffentlicht: (2024)

Parameter Efficient Fine-tuning of Self-supervised ViTs without Catastrophic Forgetting
von: Bafghi, Reza Akbarian, et al.
Veröffentlicht: (2024)

Token Cropr: Faster ViTs for Quite a Few Tasks
von: Bergner, Benjamin, et al.
Veröffentlicht: (2024)

Random Token Fusion for Multi-View Medical Diagnosis
von: Guo, Jingyu, et al.
Veröffentlicht: (2024)

Training-Free Acceleration of ViTs with Delayed Spatial Merging
von: Heo, Jung Hwan, et al.
Veröffentlicht: (2023)

EdgeCrafter: Compact ViTs for Edge Dense Prediction via Task-Specialized Distillation
von: Liu, Longfei, et al.
Veröffentlicht: (2026)

Charm: The Missing Piece in ViT fine-tuning for Image Aesthetic Assessment
von: Behrad, Fatemeh, et al.
Veröffentlicht: (2025)

TransResNet: Integrating the Strengths of ViTs and CNNs for High Resolution Medical Image Segmentation via Feature Grafting
von: Sharif, Muhammad Hamza, et al.
Veröffentlicht: (2024)

CAIT: Triple-Win Compression towards High Accuracy, Fast Inference, and Favorable Transferability For ViTs
von: Wang, Ao, et al.
Veröffentlicht: (2023)

UniRefiner: Teaching Pre-trained ViTs to Self-Dispose Dross via Contrastive Register
von: Qiu, Congpei, et al.
Veröffentlicht: (2026)

ViTs for Action Classification in Videos: An Approach to Risky Tackle Detection in American Football Practice Videos
von: Zaidi, Syed Ahsan Masud, et al.
Veröffentlicht: (2026)

ConcatPlexer: Additional Dim1 Batching for Faster ViTs
von: Han, Donghoon, et al.
Veröffentlicht: (2023)

ViTs are Everywhere: A Comprehensive Study Showcasing Vision Transformers in Different Domain
von: Mia, Md Sohag, et al.
Veröffentlicht: (2023)

Exploring the Synergies of Hybrid CNNs and ViTs Architectures for Computer Vision: A survey
von: Yunusa, Haruna, et al.
Veröffentlicht: (2024)

Causality $\neq$ Decodability, and Vice Versa: Lessons from Interpreting Counting ViTs
von: Huang, Lianghuan, et al.
Veröffentlicht: (2025)

DenseNets Reloaded: Paradigm Shift Beyond ResNets and ViTs
von: Kim, Donghyun, et al.
Veröffentlicht: (2024)

TAP-ViTs: Task-Adaptive Pruning for On-Device Deployment of Vision Transformers
von: Wang, Zhibo, et al.
Veröffentlicht: (2026)

Communication Efficient Split Learning of ViTs with Attention-based Double Compression
von: Alvetreti, Federico, et al.
Veröffentlicht: (2025)

Register and [CLS] tokens yield a decoupling of local and global features in large ViTs
von: Lappe, Alexander, et al.
Veröffentlicht: (2025)

Learning What Helps: Task-Aligned Context Selection for Vision Tasks
von: Guo, Jingyu, et al.
Veröffentlicht: (2025)

QID: Efficient Query-Informed ViTs in Data-Scarce Regimes for OCR-free Visual Document Understanding
von: Le, Binh M., et al.
Veröffentlicht: (2025)