Buchumschlag

Quilt-1M: One Million Image-Text Pairs for Histopathology

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ikezogwo, Wisdom Oluchi, Seyfioglu, Mehmet Saygin, Ghezloo, Fatemeh, Geva, Dylan Stefan Chan, Mohammed, Fatwir Sheikh, Anand, Pavan Kumar, Krishna, Ranjay, Shapiro, Linda
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Computer Vision and Pattern Recognition Computation and Language Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Quilt-LLaVA: Visual Instruction Tuning by Extracting Localized Narratives from Open-Source Histopathology Videos
von: Seyfioglu, Mehmet Saygin, et al.
Veröffentlicht: (2023)

MedicalNarratives: Connecting Medical Vision and Language with Localized Narratives
von: Ikezogwo, Wisdom O., et al.
Veröffentlicht: (2025)

PathFinder: A Multi-Modal Multi-Agent System for Medical Diagnostic Decision-Making Applied to Histopathology
von: Ghezloo, Fatemeh, et al.
Veröffentlicht: (2025)

When Rubrics Fail: Error Enumeration as Reward in Reference-Free RL Post-Training for Virtual Try-On
von: Ikezogwo, Wisdom, et al.
Veröffentlicht: (2026)

MedBLINK: Probing Basic Perception in Multimodal Language Models for Medicine
von: Bigverdi, Mahtab, et al.
Veröffentlicht: (2025)

Diffuse to Choose: Enriching Image Conditioned Inpainting in Latent Diffusion Models for Virtual Try-All
von: Seyfioglu, Mehmet Saygin, et al.
Veröffentlicht: (2024)

Synthetic Visual Genome 2: Extracting Large-scale Spatio-Temporal Scene Graphs from Videos
von: Gao, Ziqi, et al.
Veröffentlicht: (2026)

InstructVTON: Optimal Auto-Masking and Natural-Language-Guided Interactive Style Control for Inpainting-Based Virtual Try-On
von: Han, Julien, et al.
Veröffentlicht: (2025)

Efficient Encoder-Free Pose Conditioning and Pose Control for Virtual Try-On
von: Li, Qi, et al.
Veröffentlicht: (2025)

DiT-VTON: Diffusion Transformer Framework for Unified Multi-Category Virtual Try-On and Virtual Try-All with Integrated Image Editing
von: Li, Qi, et al.
Veröffentlicht: (2025)

Videoshop: Localized Semantic Video Editing with Noise-Extrapolated Diffusion Inversion
von: Fan, Xiang, et al.
Veröffentlicht: (2024)

Style-Instructed Mask-Free Virtual Try On
von: Zhang, Mengqi, et al.
Veröffentlicht: (2026)

MIMIC: Masked Image Modeling with Image Correspondences
von: Marathe, Kalyani, et al.
Veröffentlicht: (2023)

Perception Tokens Enhance Visual Reasoning in Multimodal Language Models
von: Bigverdi, Mahtab, et al.
Veröffentlicht: (2024)

Ablate-to-Validate: Are Vision-Language Models Really Using Continuous Thought Tokens?
von: Zhang, Tianyi, et al.
Veröffentlicht: (2026)

The Hard Positive Truth about Vision-Language Compositionality
von: Kamath, Amita, et al.
Veröffentlicht: (2024)

m&m's: A Benchmark to Evaluate Tool-Use for multi-step multi-modal Tasks
von: Ma, Zixian, et al.
Veröffentlicht: (2024)

Iterated Learning Improves Compositionality in Large Vision-Language Models
von: Zheng, Chenhao, et al.
Veröffentlicht: (2024)

Semantic and Expressive Variation in Image Captions Across Languages
von: Ye, Andre, et al.
Veröffentlicht: (2023)

Designing and Contextualising Probes for African Languages
von: Aduah, Wisdom, et al.
Veröffentlicht: (2025)

Agonistic Image Generation: Unsettling the Hegemony of Intention
von: Shaw, Andrew, et al.
Veröffentlicht: (2025)

FocalLens: Instruction Tuning Enables Zero-Shot Conditional Image Representations
von: Hsieh, Cheng-Yu, et al.
Veröffentlicht: (2025)

EIT-1M: One Million EEG-Image-Text Pairs for Human Visual-textual Recognition and More
von: Zheng, Xu, et al.
Veröffentlicht: (2024)

Estimating Knowledge in Large Language Models Without Generating a Single Token
von: Gottesman, Daniela, et al.
Veröffentlicht: (2024)

Inferring Functionality of Attention Heads from their Parameters
von: Elhelo, Amit, et al.
Veröffentlicht: (2024)

Visual Representations inside the Language Model
von: Liu, Benlin, et al.
Veröffentlicht: (2025)

Leveraging Spatial Context for Positive Pair Sampling in Histopathology Image Representation Learning
von: Robles, Willmer Rafell Quinones, et al.
Veröffentlicht: (2025)

Cross-Stain Contrastive Learning for Paired Immunohistochemistry and Histopathology Slide Representation Learning
von: Zhang, Yizhi, et al.
Veröffentlicht: (2025)

Designing LLM Chains by Adapting Techniques from Crowdsourcing Workflows
von: Grunde-McLaughlin, Madeleine, et al.
Veröffentlicht: (2023)

Refract ICL: Rethinking Example Selection in the Era of Million-Token Models
von: Akula, Arjun R., et al.
Veröffentlicht: (2025)

Wait, We Don't Need to "Wait"! Removing Thinking Tokens Improves Reasoning Efficiency
von: Wang, Chenlong, et al.
Veröffentlicht: (2025)

Scale Can't Overcome Pragmatics: The Impact of Reporting Bias on Vision-Language Reasoning
von: Kamath, Amita, et al.
Veröffentlicht: (2026)

EVE: Enabling Anyone to Train Robots using Augmented Reality
von: Wang, Jun, et al.
Veröffentlicht: (2024)

Eliciting Textual Descriptions from Representations of Continuous Prompts
von: Ramati, Dana, et al.
Veröffentlicht: (2024)

Narrowing the Knowledge Evaluation Gap: Open-Domain Question Answering with Multi-Granularity Answers
von: Yona, Gal, et al.
Veröffentlicht: (2024)

Can Large Language Models Faithfully Express Their Intrinsic Uncertainty in Words?
von: Yona, Gal, et al.
Veröffentlicht: (2024)

Hallucinations Undermine Trust; Metacognition is a Way Forward
von: Yona, Gal, et al.
Veröffentlicht: (2026)

SPARO: Selective Attention for Robust and Compositional Transformer Encodings for Vision
von: Vani, Ankit, et al.
Veröffentlicht: (2024)

RefDecoder: Enhancing Visual Generation with Conditional Video Decoding
von: Fan, Xiang, et al.
Veröffentlicht: (2026)

You Only Judge Once: Multi-response Reward Modeling in a Single Forward Pass
von: Yang, Yinuo, et al.
Veröffentlicht: (2026)