Buchumschlag

Detect Everything with Few Examples

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Xinyu, Liu, Yuhan, Wang, Yuting, Boularias, Abdeslam
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

Motion Blender Gaussian Splatting for Dynamic Scene Reconstruction
von: Zhang, Xinyu, et al.
Veröffentlicht: (2025)

DAP: Diffusion-based Affordance Prediction for Multi-modality Storage
von: Chang, Haonan, et al.
Veröffentlicht: (2024)

Learning Visual Feature-Based World Models via Residual Latent Action
von: Zhang, Xinyu, et al.
Veröffentlicht: (2026)

Glove2Hand: Synthesizing Natural Hand-Object Interaction from Multi-Modal Sensing Gloves
von: Zhang, Xinyu, et al.
Veröffentlicht: (2026)

Associate Everything Detected: Facilitating Tracking-by-Detection to the Unknown
von: Fang, Zimeng, et al.
Veröffentlicht: (2024)

Generalization-Enhanced Few-Shot Object Detection in Remote Sensing
von: Lin, Hui, et al.
Veröffentlicht: (2025)

What Makes Good Few-shot Examples for Vision-Language Models?
von: Guo, Zhaojun, et al.
Veröffentlicht: (2024)

ReferEverything: Towards Segmenting Everything We Can Speak of in Videos
von: Bagchi, Anurag, et al.
Veröffentlicht: (2024)

V2X-DG: Domain Generalization for Vehicle-to-Everything Cooperative Perception
von: Li, Baolu, et al.
Veröffentlicht: (2025)

Track Everything Everywhere Fast and Robustly
von: Song, Yunzhou, et al.
Veröffentlicht: (2024)

Image to Pseudo-Episode: Boosting Few-Shot Segmentation by Unlabeled Data
von: Zhang, Jie, et al.
Veröffentlicht: (2024)

FMI-TAL: Few-shot Multiple Instances Temporal Action Localization by Probability Distribution Learning and Interval Cluster Refinement
von: Wang, Fengshun, et al.
Veröffentlicht: (2024)

Decomposition Betters Tracking Everything Everywhere
von: Li, Rui, et al.
Veröffentlicht: (2024)

Opt-In Art: Learning Art Styles Only from Few Examples
von: Ren, Hui, et al.
Veröffentlicht: (2024)

MESA: Matching Everything by Segmenting Anything
von: Zhang, Yesheng, et al.
Veröffentlicht: (2024)

Semantic Enhanced Few-shot Object Detection
von: Wang, Zheng, et al.
Veröffentlicht: (2024)

The Devil is in the Few Shots: Iterative Visual Knowledge Completion for Few-shot Learning
von: Li, Yaohui, et al.
Veröffentlicht: (2024)

Tracking Everything in Robotic-Assisted Surgery
von: Zhan, Bohan, et al.
Veröffentlicht: (2024)

Commonality in Few: Few-Shot Multimodal Anomaly Detection via Hypergraph-Enhanced Memory
von: Lin, Yuxuan, et al.
Veröffentlicht: (2025)

Everything in Its Place: Benchmarking Spatial Intelligence of Text-to-Image Models
von: Wang, Zengbin, et al.
Veröffentlicht: (2026)

Res$^2$CLIP: Few-Shot Generalist Anomaly Detection with Residual-to-Residual Alignment
von: Liu, Xinyue, et al.
Veröffentlicht: (2026)

Grounding Everything in Tokens for Multimodal Large Language Models
von: Ren, Xiangxuan, et al.
Veröffentlicht: (2025)

Vehicle-to-Everything Cooperative Perception for Autonomous Driving
von: Huang, Tao, et al.
Veröffentlicht: (2023)

Retrieve and Segment: Are a Few Examples Enough to Bridge the Supervision Gap in Open-Vocabulary Segmentation?
von: Aravanis, Tilemachos, et al.
Veröffentlicht: (2026)

Attention Is not Everything: Efficient Alternatives for Vision
von: Kazi, Nur Mohammad, et al.
Veröffentlicht: (2026)

Pruning Everything, Everywhere, All at Once
von: Nascimento, Gustavo Henrique do, et al.
Veröffentlicht: (2025)

FeatureLens: A Highly Generalizable and Interpretable Framework for Detecting Adversarial Examples Based on Image Features
von: Yang, Zhigang, et al.
Veröffentlicht: (2025)

Few-Shot Learner Generalizes Across AI-Generated Image Detection
von: Wu, Shiyu, et al.
Veröffentlicht: (2025)

Search is All You Need for Few-shot Anomaly Detection
von: Wang, Qishan, et al.
Veröffentlicht: (2025)

Generalized Few-Shot Out-of-Distribution Detection
von: Li, Pinxuan, et al.
Veröffentlicht: (2025)

Detecting and Corrupting Convolution-based Unlearnable Examples
von: Li, Minghui, et al.
Veröffentlicht: (2023)

Multi-Scale Memory Comparison for Zero-/Few-Shot Anomaly Detection
von: Huang, Chaoqin, et al.
Veröffentlicht: (2023)

The Devil is in Low-Level Features for Cross-Domain Few-Shot Segmentation
von: Liu, Yuhan, et al.
Veröffentlicht: (2025)

Few-Shot Anomaly Detection via Category-Agnostic Registration Learning
von: Huang, Chaoqin, et al.
Veröffentlicht: (2024)

Prototype-Driven Adaptation for Few-Shot Object Detection
von: Huang, Yushen, et al.
Veröffentlicht: (2025)

Few-shot Online Anomaly Detection and Segmentation
von: Wei, Shenxing, et al.
Veröffentlicht: (2024)

ABounD: Adversarial Boundary-Driven Few-Shot Learning for Multi-Class Anomaly Detection
von: Deng, Runzhi, et al.
Veröffentlicht: (2025)

Decoupling Classifier for Boosting Few-shot Object Detection and Instance Segmentation
von: Gao, Bin-Bin, et al.
Veröffentlicht: (2025)

AirShot: Efficient Few-Shot Detection for Autonomous Exploration
von: Wang, Zihan, et al.
Veröffentlicht: (2024)

Make the Most of Everything: Further Considerations on Disrupting Diffusion-based Customization
von: Tang, Long, et al.
Veröffentlicht: (2025)