Modularized Zero-shot VQA with Pre-trained Models
Fuente:
arXiv
Salvato in:
| Autori principali: | Cao, Rui, Jiang, Jing |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2023
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
GAIA: Zero-shot Talking Avatar Generation
di: He, Tianyu, et al.
Pubblicazione: (2023)
di: He, Tianyu, et al.
Pubblicazione: (2023)
OT-DETECTOR: Delving into Optimal Transport for Zero-shot Out-of-Distribution Detection
di: Liu, Yu, et al.
Pubblicazione: (2025)
di: Liu, Yu, et al.
Pubblicazione: (2025)
Reinforcing Pre-trained Models Using Counterfactual Images
di: Li, Xiang, et al.
Pubblicazione: (2024)
di: Li, Xiang, et al.
Pubblicazione: (2024)
Zero-shot Video Moment Retrieval via Off-the-shelf Multimodal Large Language Models
di: Xu, Yifang, et al.
Pubblicazione: (2025)
di: Xu, Yifang, et al.
Pubblicazione: (2025)
Interpretable Zero-shot Referring Expression Comprehension with Query-driven Scene Graphs
di: Wu, Yike, et al.
Pubblicazione: (2026)
di: Wu, Yike, et al.
Pubblicazione: (2026)
GPT-4V with Emotion: A Zero-shot Benchmark for Generalized Emotion Recognition
di: Lian, Zheng, et al.
Pubblicazione: (2023)
di: Lian, Zheng, et al.
Pubblicazione: (2023)
Knowledge Generation for Zero-shot Knowledge-based VQA
di: Cao, Rui, et al.
Pubblicazione: (2024)
di: Cao, Rui, et al.
Pubblicazione: (2024)
Scaling up Multimodal Pre-training for Sign Language Understanding
di: Zhou, Wengang, et al.
Pubblicazione: (2024)
di: Zhou, Wengang, et al.
Pubblicazione: (2024)
Do LLMs Understand Visual Anomalies? Uncovering LLM's Capabilities in Zero-shot Anomaly Detection
di: Zhu, Jiaqi, et al.
Pubblicazione: (2024)
di: Zhu, Jiaqi, et al.
Pubblicazione: (2024)
Efficient Object-centric Representation Learning with Pre-trained Geometric Prior
di: Khac, Phúc H. Le, et al.
Pubblicazione: (2024)
di: Khac, Phúc H. Le, et al.
Pubblicazione: (2024)
Zero-shot image privacy classification with Vision-Language Models
di: Baia, Alina Elena, et al.
Pubblicazione: (2025)
di: Baia, Alina Elena, et al.
Pubblicazione: (2025)
HCNQA: Enhancing 3D VQA with Hierarchical Concentration Narrowing Supervision
di: Zhou, Shengli, et al.
Pubblicazione: (2025)
di: Zhou, Shengli, et al.
Pubblicazione: (2025)
DPC-VQA: Decoupling Quality Perception and Residual Calibration for Video Quality Assessment
di: Li, Xinyue, et al.
Pubblicazione: (2026)
di: Li, Xinyue, et al.
Pubblicazione: (2026)
Generalized Face Forgery Detection via Adaptive Learning for Pre-trained Vision Transformer
di: Luo, Anwei, et al.
Pubblicazione: (2023)
di: Luo, Anwei, et al.
Pubblicazione: (2023)
Pre-training CLIP against Data Poisoning with Optimal Transport-based Matching and Alignment
di: Zhang, Tong, et al.
Pubblicazione: (2025)
di: Zhang, Tong, et al.
Pubblicazione: (2025)
EgoTextVQA: Towards Egocentric Scene-Text Aware Video Question Answering
di: Zhou, Sheng, et al.
Pubblicazione: (2025)
di: Zhou, Sheng, et al.
Pubblicazione: (2025)
Towards Signboard-Oriented Visual Question Answering: ViSignVQA Dataset, Method and Benchmark
di: Nguyen, Hieu Minh, et al.
Pubblicazione: (2025)
di: Nguyen, Hieu Minh, et al.
Pubblicazione: (2025)
SNP-S3: Shared Network Pre-training and Significant Semantic Strengthening for Various Video-Text Tasks
di: Dong, Xingning, et al.
Pubblicazione: (2024)
di: Dong, Xingning, et al.
Pubblicazione: (2024)
Improving Adversarial Transferability of Vision-Language Pre-training Models through Collaborative Multimodal Interaction
di: Fu, Jiyuan, et al.
Pubblicazione: (2024)
di: Fu, Jiyuan, et al.
Pubblicazione: (2024)
How Far Are Surgeons from Surgical World Models? A Pilot Study on Zero-shot Surgical Video Generation with Expert Assessment
di: Chen, Zhen, et al.
Pubblicazione: (2025)
di: Chen, Zhen, et al.
Pubblicazione: (2025)
Advancing 3D Scene Understanding with MV-ScanQA Multi-View Reasoning Evaluation and TripAlign Pre-training Dataset
di: Mo, Wentao, et al.
Pubblicazione: (2025)
di: Mo, Wentao, et al.
Pubblicazione: (2025)
Large-scale Multi-Modal Pre-trained Models: A Comprehensive Survey
di: Wang, Xiao, et al.
Pubblicazione: (2023)
di: Wang, Xiao, et al.
Pubblicazione: (2023)
Generative Preprocessing for Image Compression with Pre-trained Diffusion Models
di: Guo, Mengxi, et al.
Pubblicazione: (2025)
di: Guo, Mengxi, et al.
Pubblicazione: (2025)
Selective Vision-Language Subspace Projection for Few-shot CLIP
di: Zhu, Xingyu, et al.
Pubblicazione: (2024)
di: Zhu, Xingyu, et al.
Pubblicazione: (2024)
Pseudo-triplet Guided Few-shot Composed Image Retrieval
di: Hou, Bohan, et al.
Pubblicazione: (2024)
di: Hou, Bohan, et al.
Pubblicazione: (2024)
Dynamic Self-adaptive Multiscale Distillation from Pre-trained Multimodal Large Model for Efficient Cross-modal Representation Learning
di: Liang, Zhengyang, et al.
Pubblicazione: (2024)
di: Liang, Zhengyang, et al.
Pubblicazione: (2024)
IG Captioner: Information Gain Captioners are Strong Zero-shot Classifiers
di: Yang, Chenglin, et al.
Pubblicazione: (2023)
di: Yang, Chenglin, et al.
Pubblicazione: (2023)
UniScene: Multi-Camera Unified Pre-training via 3D Scene Reconstruction for Autonomous Driving
di: Min, Chen, et al.
Pubblicazione: (2023)
di: Min, Chen, et al.
Pubblicazione: (2023)
GSCodec Studio: A Modular Framework for Gaussian Splat Compression
di: Li, Sicheng, et al.
Pubblicazione: (2025)
di: Li, Sicheng, et al.
Pubblicazione: (2025)
DPC: Dual-Prompt Collaboration for Tuning Vision-Language Models
di: Li, Haoyang, et al.
Pubblicazione: (2025)
di: Li, Haoyang, et al.
Pubblicazione: (2025)
Cross-domain Multi-step Thinking: Zero-shot Fine-grained Traffic Sign Recognition in the Wild
di: Gan, Yaozong, et al.
Pubblicazione: (2024)
di: Gan, Yaozong, et al.
Pubblicazione: (2024)
Test-Time Adaptation with CLIP Reward for Zero-Shot Generalization in Vision-Language Models
di: Zhao, Shuai, et al.
Pubblicazione: (2023)
di: Zhao, Shuai, et al.
Pubblicazione: (2023)
Break-for-Make: Modular Low-Rank Adaptations for Composable Content-Style Customization
di: Xu, Yu, et al.
Pubblicazione: (2024)
di: Xu, Yu, et al.
Pubblicazione: (2024)
Learning Gaussian Data Augmentation in Feature Space for One-shot Object Detection in Manga
di: Taniguchi, Takara, et al.
Pubblicazione: (2024)
di: Taniguchi, Takara, et al.
Pubblicazione: (2024)
TALDS-Net: Task-Aware Adaptive Local Descriptors Selection for Few-shot Image Classification
di: Qiao, Qian, et al.
Pubblicazione: (2023)
di: Qiao, Qian, et al.
Pubblicazione: (2023)
Magic3DSketch: Create Colorful 3D Models From Sketch-Based 3D Modeling Guided by Text and Language-Image Pre-Training
di: Zang, Ying, et al.
Pubblicazione: (2024)
di: Zang, Ying, et al.
Pubblicazione: (2024)
Improving Text-guided Object Inpainting with Semantic Pre-inpainting
di: Chen, Yifu, et al.
Pubblicazione: (2024)
di: Chen, Yifu, et al.
Pubblicazione: (2024)
DVF: Advancing Robust and Accurate Fine-Grained Image Retrieval with Retrieval Guidelines
di: Jiang, Xin, et al.
Pubblicazione: (2024)
di: Jiang, Xin, et al.
Pubblicazione: (2024)
A Simple Task-aware Contrastive Local Descriptor Selection Strategy for Few-shot Learning between inter class and intra class
di: Qiao, Qian, et al.
Pubblicazione: (2024)
di: Qiao, Qian, et al.
Pubblicazione: (2024)
Prompt-Guided Generation of Structured Chest X-Ray Report Using a Pre-trained LLM
di: Li, Hongzhao, et al.
Pubblicazione: (2024)
di: Li, Hongzhao, et al.
Pubblicazione: (2024)
Documenti analoghi
-
GAIA: Zero-shot Talking Avatar Generation
di: He, Tianyu, et al.
Pubblicazione: (2023) -
OT-DETECTOR: Delving into Optimal Transport for Zero-shot Out-of-Distribution Detection
di: Liu, Yu, et al.
Pubblicazione: (2025) -
Reinforcing Pre-trained Models Using Counterfactual Images
di: Li, Xiang, et al.
Pubblicazione: (2024) -
Zero-shot Video Moment Retrieval via Off-the-shelf Multimodal Large Language Models
di: Xu, Yifang, et al.
Pubblicazione: (2025) -
Interpretable Zero-shot Referring Expression Comprehension with Query-driven Scene Graphs
di: Wu, Yike, et al.
Pubblicazione: (2026)