Copertina

ViR: Towards Efficient Vision Retention Backbones

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Hatamizadeh, Ali, Ranzinger, Michael, Lan, Shiyi, Alvarez, Jose M., Fidler, Sanja, Kautz, Jan
Natura:	Preprint
Pubblicazione:	2023
Soggetti:	Computer Vision and Pattern Recognition Artificial Intelligence Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

MambaVision: A Hybrid Mamba-Transformer Vision Backbone
di: Hatamizadeh, Ali, et al.
Pubblicazione: (2024)

FasterViT: Fast Vision Transformers with Hierarchical Attention
di: Hatamizadeh, Ali, et al.
Pubblicazione: (2023)

DiffiT: Diffusion Vision Transformers for Image Generation
di: Hatamizadeh, Ali, et al.
Pubblicazione: (2023)

RADIOv2.5: Improved Baselines for Agglomerative Vision Foundation Models
di: Heinrich, Greg, et al.
Pubblicazione: (2024)

Beyond MACs: Hardware Efficient Architecture Design for Vision Backbones
di: Nottebaum, Moritz, et al.
Pubblicazione: (2026)

CPUBone: Efficient Vision Backbone Design for Devices with Low Parallelization Capabilities
di: Nottebaum, Moritz, et al.
Pubblicazione: (2026)

AM-RADIO: Agglomerative Vision Foundation Model -- Reduce All Domains Into One
di: Ranzinger, Mike, et al.
Pubblicazione: (2023)

DriveCritic: Towards Context-Aware, Human-Aligned Evaluation for Autonomous Driving with Vision-Language Models
di: Song, Jingyu, et al.
Pubblicazione: (2025)

Revisiting the Integration of Convolution and Attention for Vision Backbone
di: Zhu, Lei, et al.
Pubblicazione: (2024)

MDP: Multidimensional Vision Model Pruning with Latency Constraint
di: Sun, Xinglong, et al.
Pubblicazione: (2025)

DriveSuprim: Towards Precise Trajectory Selection for End-to-End Planning
di: Yao, Wenhao, et al.
Pubblicazione: (2025)

RadarGen: Automotive Radar Point Cloud Generation from Cameras
di: Borreda, Tomer, et al.
Pubblicazione: (2025)

LF-ViT: Reducing Spatial Redundancy in Vision Transformer for Efficient Image Recognition
di: Hu, Youbing, et al.
Pubblicazione: (2024)

GTP-ViT: Efficient Vision Transformers via Graph-based Token Propagation
di: Xu, Xuwei, et al.
Pubblicazione: (2023)

Vision Backbone Efficient Selection for Image Classification in Low-Data Regimes
di: Guerin, Joris, et al.
Pubblicazione: (2024)

JetViT: Efficient High-Resolution Vision Transformer with Post-Training Attention Search
di: Zou, Dongyun, et al.
Pubblicazione: (2026)

Trio-ViT: Post-Training Quantization and Acceleration for Softmax-Free Efficient Vision Transformer
di: Shi, Huihong, et al.
Pubblicazione: (2024)

Exploring Camera Encoder Designs for Autonomous Driving Perception
di: Lakshmanan, Barath, et al.
Pubblicazione: (2024)

Attention Retention for Continual Learning with Vision Transformers
di: Lu, Yue, et al.
Pubblicazione: (2026)

Vision-LSTM: xLSTM as Generic Vision Backbone
di: Alkin, Benedikt, et al.
Pubblicazione: (2024)

Tiny-ViT: A Compact Vision Transformer for Efficient and Explainable Potato Leaf Disease Classification
di: Mia, Shakil, et al.
Pubblicazione: (2026)

LuxDiT: Lighting Estimation with Video Diffusion Transformer
di: Liang, Ruofan, et al.
Pubblicazione: (2025)

CoMViT: An Efficient Vision Backbone for Supervised Classification in Medical Imaging
di: Safdar, Aon, et al.
Pubblicazione: (2025)

ViLaCD-R1: A Vision-Language Framework for Semantic Change Detection in Remote Sensing
di: Ma, Xingwei, et al.
Pubblicazione: (2025)

ViGoR: Improving Visual Grounding of Large Vision Language Models with Fine-Grained Reward Modeling
di: Yan, Siming, et al.
Pubblicazione: (2024)

ViT-Lens: Towards Omni-modal Representations
di: Lei, Weixian, et al.
Pubblicazione: (2023)

MAP: Unleashing Hybrid Mamba-Transformer Vision Backbone's Potential with Masked Autoregressive Pretraining
di: Liu, Yunze, et al.
Pubblicazione: (2024)

Photorealistic Object Insertion with Diffusion-Guided Inverse Rendering
di: Liang, Ruofan, et al.
Pubblicazione: (2024)

FeatSharp: Your Vision Model Features, Sharper
di: Ranzinger, Mike, et al.
Pubblicazione: (2025)

VideoPanda: Video Panoramic Diffusion with Multi-view Attention
di: Xie, Kevin, et al.
Pubblicazione: (2025)

HydraViT: Stacking Heads for a Scalable ViT
di: Haberer, Janek, et al.
Pubblicazione: (2024)

HAVIR: HierArchical Vision to Image Reconstruction using CLIP-Guided Versatile Diffusion
di: Zhang, Shiyi, et al.
Pubblicazione: (2025)

Socratic-MCTS: Test-Time Visual Reasoning by Asking the Right Questions
di: Acuna, David, et al.
Pubblicazione: (2025)

SAC-ViT: Semantic-Aware Clustering Vision Transformer with Early Exit
di: Hu, Youbing, et al.
Pubblicazione: (2025)

ViT-Linearizer: Distilling Quadratic Knowledge into Linear-Time Vision Models
di: Wei, Guoyizhe, et al.
Pubblicazione: (2025)

ButterflyViT: 354$\times$ Expert Compression for Edge Vision Transformers
di: Karmore, Aryan
Pubblicazione: (2026)

Multi-Dimensional Pruning: Joint Channel, Layer and Block Pruning with Latency Constraint
di: Sun, Xinglong, et al.
Pubblicazione: (2024)

GreedyViG: Dynamic Axial Graph Construction for Efficient Vision GNNs
di: Munir, Mustafa, et al.
Pubblicazione: (2024)

Empowering Backbone Models for Visual Text Generation with Input Granularity Control and Glyph-Aware Training
di: Li, Wenbo, et al.
Pubblicazione: (2024)

TAP-SLF: Parameter-Efficient Adaptation of Vision Foundation Models for Multi-Task Ultrasound Image Analysis
di: Wan, Hui, et al.
Pubblicazione: (2026)