Region-centric Image-Language Pretraining for Open-Vocabulary Detection
Fuente:
arXiv
Salvato in:
| Autori principali: | Kim, Dahun, Angelova, Anelia, Kuo, Weicheng |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2023
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Context-Adaptive Multi-Prompt Embedding with Large Language Models for Vision-Language Alignment
di: Kim, Dahun, et al.
Pubblicazione: (2025)
di: Kim, Dahun, et al.
Pubblicazione: (2025)
VideoComp: Advancing Fine-Grained Compositional and Temporal Alignment in Video-Text Models
di: Kim, Dahun, et al.
Pubblicazione: (2025)
di: Kim, Dahun, et al.
Pubblicazione: (2025)
Whats in a Video: Factorized Autoregressive Decoding for Online Dense Video Captioning
di: Piergiovanni, AJ, et al.
Pubblicazione: (2024)
di: Piergiovanni, AJ, et al.
Pubblicazione: (2024)
Unlocking Multi-Spectral Data for Multi-Modal Models with Guided Inputs and Chain-of-Thought Reasoning
di: Kim, Dahun, et al.
Pubblicazione: (2026)
di: Kim, Dahun, et al.
Pubblicazione: (2026)
Time-Scaling State-Space Models for Dense Video Captioning
di: Piergiovanni, AJ, et al.
Pubblicazione: (2025)
di: Piergiovanni, AJ, et al.
Pubblicazione: (2025)
Taking Shortcuts for Categorical VQA Using Super Neurons
di: Musacchio, Pierre, et al.
Pubblicazione: (2026)
di: Musacchio, Pierre, et al.
Pubblicazione: (2026)
Edge-case Synthesis for Fisheye Object Detection: A Data-centric Perspective
di: Kim, Seunghyeon, et al.
Pubblicazione: (2025)
di: Kim, Seunghyeon, et al.
Pubblicazione: (2025)
RankCLIP: Ranking-Consistent Language-Image Pretraining
di: Zhang, Yiming, et al.
Pubblicazione: (2024)
di: Zhang, Yiming, et al.
Pubblicazione: (2024)
Open Vocabulary Compositional Explanations for Neuron Alignment
di: La Rosa, Biagio, et al.
Pubblicazione: (2025)
di: La Rosa, Biagio, et al.
Pubblicazione: (2025)
Object-centric Binding in Contrastive Language-Image Pretraining
di: Assouel, Rim, et al.
Pubblicazione: (2025)
di: Assouel, Rim, et al.
Pubblicazione: (2025)
Open-Vocabulary Panoptic Segmentation Using BERT Pre-Training of Vision-Language Multiway Transformer Model
di: Chen, Yi-Chia, et al.
Pubblicazione: (2024)
di: Chen, Yi-Chia, et al.
Pubblicazione: (2024)
TULIP: Towards Unified Language-Image Pretraining
di: Tang, Zineng, et al.
Pubblicazione: (2025)
di: Tang, Zineng, et al.
Pubblicazione: (2025)
CDF Transform-and-Shift: An effective way to deal with datasets of inhomogeneous cluster densities
di: Zhu, Ye, et al.
Pubblicazione: (2018)
di: Zhu, Ye, et al.
Pubblicazione: (2018)
GoldiCLIP: The Goldilocks Approach for Balancing Explicit Supervision for Language-Image Pretraining
di: Mohan, Deen Dayal, et al.
Pubblicazione: (2026)
di: Mohan, Deen Dayal, et al.
Pubblicazione: (2026)
OVR: A Dataset for Open Vocabulary Temporal Repetition Counting in Videos
di: Dwibedi, Debidatta, et al.
Pubblicazione: (2024)
di: Dwibedi, Debidatta, et al.
Pubblicazione: (2024)
Mirasol3B: A Multimodal Autoregressive model for time-aligned and contextual modalities
di: Piergiovanni, AJ, et al.
Pubblicazione: (2023)
di: Piergiovanni, AJ, et al.
Pubblicazione: (2023)
Text-to-Image GAN with Pretrained Representations
di: You, Xiaozhou, et al.
Pubblicazione: (2024)
di: You, Xiaozhou, et al.
Pubblicazione: (2024)
OpenSUN3D: 1st Workshop Challenge on Open-Vocabulary 3D Scene Understanding
di: Engelmann, Francis, et al.
Pubblicazione: (2024)
di: Engelmann, Francis, et al.
Pubblicazione: (2024)
OV-Stitcher: A Global Context-Aware Framework for Training-Free Open-Vocabulary Semantic Segmentation
di: Moon, Seungjae, et al.
Pubblicazione: (2026)
di: Moon, Seungjae, et al.
Pubblicazione: (2026)
Closed-Loop Open-Vocabulary Mobile Manipulation with GPT-4V
di: Zhi, Peiyuan, et al.
Pubblicazione: (2024)
di: Zhi, Peiyuan, et al.
Pubblicazione: (2024)
Hierarchical Open-Vocabulary 3D Scene Graphs for Language-Grounded Robot Navigation
di: Werby, Abdelrhman, et al.
Pubblicazione: (2024)
di: Werby, Abdelrhman, et al.
Pubblicazione: (2024)
Successes and Limitations of Object-centric Models at Compositional Generalisation
di: Montero, Milton L., et al.
Pubblicazione: (2024)
di: Montero, Milton L., et al.
Pubblicazione: (2024)
Lightweight Unsupervised Federated Learning with Pretrained Vision Language Model
di: Yan, Hao, et al.
Pubblicazione: (2024)
di: Yan, Hao, et al.
Pubblicazione: (2024)
Enhancing Multi-task Learning Capability of Medical Generalist Foundation Model via Image-centric Multi-annotation Data
di: Zhu, Xun, et al.
Pubblicazione: (2025)
di: Zhu, Xun, et al.
Pubblicazione: (2025)
DORSal: Diffusion for Object-centric Representations of Scenes et al
di: Jabri, Allan, et al.
Pubblicazione: (2023)
di: Jabri, Allan, et al.
Pubblicazione: (2023)
Open-World Continual Learning: Unifying Novelty Detection and Continual Learning
di: Kim, Gyuhak, et al.
Pubblicazione: (2023)
di: Kim, Gyuhak, et al.
Pubblicazione: (2023)
Vehicle-centric Perception via Multimodal Structured Pre-training
di: Wu, Wentao, et al.
Pubblicazione: (2025)
di: Wu, Wentao, et al.
Pubblicazione: (2025)
Weakly Supervised Concept Learning for Object-centric Visual Reasoning
di: Tiwari, Sparsh, et al.
Pubblicazione: (2026)
di: Tiwari, Sparsh, et al.
Pubblicazione: (2026)
SlotPi: Physics-informed Object-centric Reasoning Models
di: Li, Jian, et al.
Pubblicazione: (2025)
di: Li, Jian, et al.
Pubblicazione: (2025)
Weakly Supervised Pretraining and Multi-Annotator Supervised Finetuning for Facial Wrinkle Detection
di: Moon, Ik Jun, et al.
Pubblicazione: (2024)
di: Moon, Ik Jun, et al.
Pubblicazione: (2024)
Siamese Networks with Soft Labels for Unsupervised Lesion Detection and Patch Pretraining on Screening Mammograms
di: Van Vorst, Kevin, et al.
Pubblicazione: (2024)
di: Van Vorst, Kevin, et al.
Pubblicazione: (2024)
Focusing on What Matters: Object-Agent-centric Tokenization for Vision Language Action models
di: Bendikas, Rokas, et al.
Pubblicazione: (2025)
di: Bendikas, Rokas, et al.
Pubblicazione: (2025)
Language-Driven Active Learning for Diverse Open-Set 3D Object Detection
di: Greer, Ross, et al.
Pubblicazione: (2024)
di: Greer, Ross, et al.
Pubblicazione: (2024)
3D Open-Vocabulary Panoptic Segmentation with 2D-3D Vision-Language Distillation
di: Xiao, Zihao, et al.
Pubblicazione: (2024)
di: Xiao, Zihao, et al.
Pubblicazione: (2024)
Zero-Shot Multi-Spectral Learning: Reimagining a Generalist Multimodal Gemini 2.5 Model for Remote Sensing Applications
di: Mallya, Ganesh, et al.
Pubblicazione: (2025)
di: Mallya, Ganesh, et al.
Pubblicazione: (2025)
OpenNDD: Open Set Recognition for Neurodevelopmental Disorders Detection
di: Yu, Jiaming, et al.
Pubblicazione: (2023)
di: Yu, Jiaming, et al.
Pubblicazione: (2023)
Renaissance: Investigating the Pretraining of Vision-Language Encoders
di: Fields, Clayton, et al.
Pubblicazione: (2024)
di: Fields, Clayton, et al.
Pubblicazione: (2024)
Label-Efficient School Detection from Aerial Imagery via Weakly Supervised Pretraining and Fine-Tuning
di: Elmimouni, Zakarya, et al.
Pubblicazione: (2026)
di: Elmimouni, Zakarya, et al.
Pubblicazione: (2026)
Semi-Supervised 3D Medical Segmentation from 2D Natural Images Pretrained Model
di: Yeung, Pak-Hei, et al.
Pubblicazione: (2025)
di: Yeung, Pak-Hei, et al.
Pubblicazione: (2025)
DINORANKCLIP: DINOv3 Distillation and Injection for Vision-Language Pretraining with High-Order Ranking Consistency
di: Jiang, Shuyang, et al.
Pubblicazione: (2026)
di: Jiang, Shuyang, et al.
Pubblicazione: (2026)
Documenti analoghi
-
Context-Adaptive Multi-Prompt Embedding with Large Language Models for Vision-Language Alignment
di: Kim, Dahun, et al.
Pubblicazione: (2025) -
VideoComp: Advancing Fine-Grained Compositional and Temporal Alignment in Video-Text Models
di: Kim, Dahun, et al.
Pubblicazione: (2025) -
Whats in a Video: Factorized Autoregressive Decoding for Online Dense Video Captioning
di: Piergiovanni, AJ, et al.
Pubblicazione: (2024) -
Unlocking Multi-Spectral Data for Multi-Modal Models with Guided Inputs and Chain-of-Thought Reasoning
di: Kim, Dahun, et al.
Pubblicazione: (2026) -
Time-Scaling State-Space Models for Dense Video Captioning
di: Piergiovanni, AJ, et al.
Pubblicazione: (2025)