Buchumschlag

Exploring Effective Factors for Improving Visual In-Context Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sun, Yanpeng, Chen, Qiang, Li, Xiaofan, Wang, Jian, Wang, Jingdong, Li, Zechao
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

VRP-SAM: SAM with Visual Reference Prompt
von: Sun, Yanpeng, et al.
Veröffentlicht: (2024)

Enhancing Descriptive Captions with Visual Attributes for Multimodal Perception
von: Sun, Yanpeng, et al.
Veröffentlicht: (2024)

Improving Multi-modal Large Language Model through Boosting Vision Capabilities
von: Sun, Yanpeng, et al.
Veröffentlicht: (2024)

Artemis: Structured Visual Reasoning for Perception Policy Learning
von: Tang, Wei, et al.
Veröffentlicht: (2025)

FedMGP: Personalized Federated Learning with Multi-Group Text-Visual Prompts
von: Bo, Weihao, et al.
Veröffentlicht: (2025)

Visual Position Prompt for MLLM based Visual Grounding
von: Tang, Wei, et al.
Veröffentlicht: (2025)

SSP-SAM: SAM with Semantic-Spatial Prompt for Referring Expression Segmentation
von: Tang, Wei, et al.
Veröffentlicht: (2026)

CSGO: Content-Style Composition in Text-to-Image Generation
von: Xing, Peng, et al.
Veröffentlicht: (2024)

FullAnno: A Data Engine for Enhancing Image Comprehension of MLLMs
von: Hao, Jing, et al.
Veröffentlicht: (2024)

Improving Generalized Visual Grounding with Instance-aware Joint Learning
von: Dai, Ming, et al.
Veröffentlicht: (2025)

Pyramidal Patchification Flow for Visual Generation
von: Li, Hui, et al.
Veröffentlicht: (2025)

FVAR: Visual Autoregressive Modeling via Next Focus Prediction
von: Li, Xiaofan, et al.
Veröffentlicht: (2025)

Diff-MM: Exploring Pre-trained Text-to-Image Generation Model for Unified Multi-modal Object Tracking
von: Xuan, Shiyu, et al.
Veröffentlicht: (2025)

Improving Data Augmentation for Robust Visual Question Answering with Effective Curriculum Learning
von: Zheng, Yuhang, et al.
Veröffentlicht: (2024)

Continual SFT Matches Multimodal RLHF with Negative Supervision
von: Zhu, Ke, et al.
Veröffentlicht: (2024)

Learning Contrastive Self-Distillation for Ultra-Fine-Grained Visual Categorization Targeting Limited Samples
von: Fang, Ziye, et al.
Veröffentlicht: (2023)

A Comprehensive Survey on Visual Concept Mining in Text-to-image Diffusion Models
von: Li, Ziqiang, et al.
Veröffentlicht: (2025)

Perception Before Reasoning: Two-Stage Reinforcement Learning for Visual Reasoning in Vision-Language Models
von: Chen, Yan, et al.
Veröffentlicht: (2025)

Video4Edit: Viewing Image Editing as a Degenerate Temporal Process
von: Li, Xiaofan, et al.
Veröffentlicht: (2025)

VoxelSplat: Dynamic Gaussian Splatting as an Effective Loss for Occupancy and Flow Prediction
von: Zhu, Ziyue, et al.
Veröffentlicht: (2025)

See the Text: From Tokenization to Visual Reading
von: Xing, Ling, et al.
Veröffentlicht: (2025)

HumanSense: From Multimodal Perception to Empathetic Context-Aware Responses through Reasoning MLLMs
von: Qin, Zheng, et al.
Veröffentlicht: (2025)

Guiding Visual Autoregressive Models through Spectrum Weakening
von: Wang, Chaoyang, et al.
Veröffentlicht: (2025)

CoopTrack: Exploring End-to-End Learning for Efficient Cooperative Sequential Perception
von: Zhong, Jiaru, et al.
Veröffentlicht: (2025)

Revisiting MLLMs: An In-Depth Analysis of Image Classification Abilities
von: Liu, Huan, et al.
Veröffentlicht: (2024)

Beyond Thinking: Imagining in 360$^\circ$ for Humanoid Visual Search
von: Zhang, Jingdong, et al.
Veröffentlicht: (2026)

Leveraging Visual Tokens for Extended Text Contexts in Multi-Modal Learning
von: Wang, Alex Jinpeng, et al.
Veröffentlicht: (2024)

Beyond Single-Sample: Reliable Multi-Sample Distillation for Video Understanding
von: Li, Songlin, et al.
Veröffentlicht: (2026)

SADL: An Effective In-Context Learning Method for Compositional Visual QA
von: Dang, Long Hoang, et al.
Veröffentlicht: (2024)

Enhancing DETRs Variants through Improved Content Query and Similar Query Aggregation
von: Zhang, Yingying, et al.
Veröffentlicht: (2024)

MS-DETR: Efficient DETR Training with Mixed Supervision
von: Zhao, Chuyang, et al.
Veröffentlicht: (2024)

Inv-Adapter: ID Customization Generation via Image Inversion and Lightweight Adapter
von: Xing, Peng, et al.
Veröffentlicht: (2024)

Zero-shot HOI Detection with MLLM-based Detector-agnostic Interaction Recognition
von: Xuan, Shiyu, et al.
Veröffentlicht: (2026)

Visual In-Context Learning for Large Vision-Language Models
von: Zhou, Yucheng, et al.
Veröffentlicht: (2024)

DreamVAR: Taming Reinforced Visual Autoregressive Model for High-Fidelity Subject-Driven Image Generation
von: Jiang, Xin, et al.
Veröffentlicht: (2026)

SEED: A Simple and Effective 3D DETR in Point Clouds
von: Liu, Zhe, et al.
Veröffentlicht: (2024)

When Numbers Speak: Aligning Textual Numerals and Visual Instances in Text-to-Video Diffusion Models
von: Sun, Zhengyang, et al.
Veröffentlicht: (2026)

GP-NeRF: Generalized Perception NeRF for Context-Aware 3D Scene Understanding
von: Li, Hao, et al.
Veröffentlicht: (2023)

E-InMeMo: Enhanced Prompting for Visual In-Context Learning
von: Zhang, Jiahao, et al.
Veröffentlicht: (2025)

OmniFashion: Towards Generalist Fashion Intelligence via Multi-Task Vision-Language Learning
von: Yang, Zhengwei, et al.
Veröffentlicht: (2026)