Buchumschlag

Asymmetric Masked Distillation for Pre-Training Small Foundation Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhao, Zhiyu, Huang, Bingkun, Xing, Sen, Wu, Gangshan, Qiao, Yu, Wang, Limin
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

AWT: Transferring Vision-Language Models via Augmentation, Weighting, and Transportation
von: Zhu, Yuhan, et al.
Veröffentlicht: (2024)

Joint Modeling of Feature, Correspondence, and a Compressed Memory for Video Object Segmentation
von: Zhang, Jiaming, et al.
Veröffentlicht: (2023)

SportsHHI: A Dataset for Human-Human Interaction Detection in Sports Videos
von: Wu, Tao, et al.
Veröffentlicht: (2024)

Unmasked Teacher: Towards Training-Efficient Video Foundation Models
von: Li, Kunchang, et al.
Veröffentlicht: (2023)

MixFormerV2: Efficient Fully Transformer Tracking
von: Cui, Yutao, et al.
Veröffentlicht: (2023)

MotionRAG: Motion Retrieval-Augmented Image-to-Video Generation
von: Zhu, Chenhui, et al.
Veröffentlicht: (2025)

Data-efficient Event Camera Pre-training via Disentangled Masked Modeling
von: Huang, Zhenpeng, et al.
Veröffentlicht: (2024)

STMixer: A One-Stage Sparse Action Detector
von: Wu, Tao, et al.
Veröffentlicht: (2024)

Open-Vocabulary Spatio-Temporal Action Detection
von: Wu, Tao, et al.
Veröffentlicht: (2024)

Dual DETRs for Multi-Label Temporal Action Detection
von: Zhu, Yuhan, et al.
Veröffentlicht: (2024)

Pure-Pass: Fine-Grained, Adaptive Masking for Dynamic Token-Mixing Routing in Lightweight Image Super-Resolution
von: Wu, Junyu, et al.
Veröffentlicht: (2025)

Efficient Test-Time Prompt Tuning for Vision-Language Models
von: Zhu, Yuhan, et al.
Veröffentlicht: (2024)

GLAD: Generative Language-Assisted Visual Tracking for Low-Semantic Templates
von: Luo, Xingyu, et al.
Veröffentlicht: (2026)

MMCLIP: Cross-modal Attention Masked Modelling for Medical Language-Image Pre-Training
von: Wu, Biao, et al.
Veröffentlicht: (2024)

Harvest Video Foundation Models via Efficient Post-Pretraining
von: Li, Yizhuo, et al.
Veröffentlicht: (2023)

MiM: Mask in Mask Self-Supervised Pre-Training for 3D Medical Image Analysis
von: Zhuang, Jiaxin, et al.
Veröffentlicht: (2024)

MMRPT: MultiModal Reinforcement Pre-Training via Masked Vision-Dependent Reasoning
von: Zheng, Xuhui, et al.
Veröffentlicht: (2025)

EgoVideo: Exploring Egocentric Foundation Model and Downstream Adaptation
von: Pei, Baoqi, et al.
Veröffentlicht: (2024)

PonderV2: Pave the Way for 3D Foundation Model with A Universal Pre-training Paradigm
von: Zhu, Haoyi, et al.
Veröffentlicht: (2023)

Pre-Trained Masked Image Model for Mobile Robot Navigation
von: Sharma, Vishnu Dutt, et al.
Veröffentlicht: (2023)

Muskie: Multi-view Masked Image Modeling for 3D Vision Pre-training
von: Li, Wenyu, et al.
Veröffentlicht: (2025)

VideoEval: Comprehensive Benchmark Suite for Low-Cost Evaluation of Video Foundation Model
von: Li, Xinhao, et al.
Veröffentlicht: (2024)

Revealing the Power of Post-Training for Small Language Models via Knowledge Distillation
von: Rang, Miao, et al.
Veröffentlicht: (2025)

Masked Autoencoder Self Pre-Training for Defect Detection in Microelectronics
von: Röhrich, Nikolai, et al.
Veröffentlicht: (2025)

Multi-Modal Soccer Scene Analysis with Masked Pre-Training
von: Peral, Marc, et al.
Veröffentlicht: (2025)

SOEDiff: Efficient Distillation for Small Object Editing
von: Wu, Yiming, et al.
Veröffentlicht: (2024)

An Experimental Study on Exploring Strong Lightweight Vision Transformers via Masked Image Modeling Pre-Training
von: Gao, Jin, et al.
Veröffentlicht: (2024)

CineTrans: Learning to Generate Videos with Cinematic Transitions via Masked Diffusion Models
von: Wu, Xiaoxue, et al.
Veröffentlicht: (2025)

Chain-of-Models Pre-Training: Rethinking Training Acceleration of Vision Foundation Models
von: Fan, Jiawei, et al.
Veröffentlicht: (2026)

ARFA: An Asymmetric Receptive Field Autoencoder Model for Spatiotemporal Prediction
von: Zhang, Wenxuan, et al.
Veröffentlicht: (2023)

Efficient Dataset Distillation for Pre-Trained Self-Supervised Models via Statistical Flow Matching
von: Xia, Qianxin, et al.
Veröffentlicht: (2026)

ComKD-CLIP: Comprehensive Knowledge Distillation for Contrastive Language-Image Pre-traning Model
von: Chen, Yifan, et al.
Veröffentlicht: (2024)

Reprogramming Distillation for Medical Foundation Models
von: Zhou, Yuhang, et al.
Veröffentlicht: (2024)

Lightweight Model Pre-training via Language Guided Knowledge Distillation
von: Li, Mingsheng, et al.
Veröffentlicht: (2024)

Deep Reprogramming Distillation for Medical Foundation Models
von: Du, Siyuan, et al.
Veröffentlicht: (2026)

SteadyDancer: Harmonized and Coherent Human Image Animation with First-Frame Preservation
von: Zhang, Jiaming, et al.
Veröffentlicht: (2025)

CoMP: Continual Multimodal Pre-training for Vision Foundation Models
von: Chen, Yitong, et al.
Veröffentlicht: (2025)

Mask as Supervision: Leveraging Unified Mask Information for Unsupervised 3D Pose Estimation
von: Yang, Yuchen, et al.
Veröffentlicht: (2023)

VideoDistill: Language-aware Vision Distillation for Video Question Answering
von: Zou, Bo, et al.
Veröffentlicht: (2024)

Token Painter: Training-Free Text-Guided Image Inpainting via Mask Autoregressive Models
von: Jiang, Longtao, et al.
Veröffentlicht: (2025)