Buchumschlag

Perceptual Group Tokenizer: Building Perception with Iterative Grouping

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Deng, Zhiwei, Chen, Ting, Li, Yang
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Scaling Image Tokenizers with Grouped Spherical Quantization
von: Wang, Jiangtao, et al.
Veröffentlicht: (2024)

Beyond BEV: Optimizing Point-Level Tokens for Collaborative Perception
von: Li, Yang, et al.
Veröffentlicht: (2025)

VISA: Group-wise Visual Token Selection and Aggregation via Graph Summarization for Efficient MLLMs Inference
von: Jiang, Pengfei, et al.
Veröffentlicht: (2025)

OccamToken: Efficient VLM Inference with Training-Free and Budget-Adaptive Token Pruning
von: Li, Geng, et al.
Veröffentlicht: (2026)

GroupCoOp: Group-robust Fine-tuning via Group Prompt Learning
von: Kim, Nayeong, et al.
Veröffentlicht: (2025)

GRIP-VLM: Group-Relative Importance Pruning for Efficient Vision-Language Models
von: Huang, Mingzhe, et al.
Veröffentlicht: (2026)

Predicting and Enhancing the Fairness of DNNs with the Curvature of Perceptual Manifolds
von: Ma, Yanbiao, et al.
Veröffentlicht: (2023)

InfBaGel: Human-Object-Scene Interaction Generation with Dynamic Perception and Iterative Refinement
von: Zou, Yude, et al.
Veröffentlicht: (2026)

BudgetFusion: Perceptually-Guided Adaptive Diffusion Models
von: Li, Qinchan, et al.
Veröffentlicht: (2024)

VideoMiner: Iteratively Grounding Key Frames of Hour-Long Videos via Tree-based Group Relative Policy Optimization
von: Cao, Xinye, et al.
Veröffentlicht: (2025)

Learning from Disagreement: A Group Decision Simulation Framework for Robust Medical Image Segmentation
von: Zhong, Chen, et al.
Veröffentlicht: (2025)

QAPruner: Quantization-Aware Vision Token Pruning for Multimodal Large Language Models
von: Wang, Xinhao, et al.
Veröffentlicht: (2026)

MoCHA: Advanced Vision-Language Reasoning with MoE Connector and Hierarchical Group Attention
von: Pang, Yuqi, et al.
Veröffentlicht: (2025)

Online Iterative Self-Alignment for Radiology Report Generation
von: Xiao, Ting, et al.
Veröffentlicht: (2025)

Advanced Sign Language Video Generation with Compressed and Quantized Multi-Condition Tokenization
von: Wang, Cong, et al.
Veröffentlicht: (2025)

Perceptio: Perception Enhanced Vision Language Models via Spatial Token Generation
von: Li, Yuchen, et al.
Veröffentlicht: (2026)

Probing Perceptual Constancy in Large Vision-Language Models
von: Sun, Haoran, et al.
Veröffentlicht: (2025)

PixelPrune: Pixel-Level Adaptive Visual Token Reduction via Predictive Coding
von: Wang, Nan, et al.
Veröffentlicht: (2026)

Unveiling and Mitigating Generalized Biases of DNNs through the Intrinsic Dimensions of Perceptual Manifolds
von: Ma, Yanbiao, et al.
Veröffentlicht: (2024)

TokenUnify: Scaling Up Autoregressive Pretraining for Neuron Segmentation
von: Chen, Yinda, et al.
Veröffentlicht: (2024)

MaMe & MaRe: Matrix-Based Token Merging and Restoration for Efficient Visual Perception and Synthesis
von: Huo, Simin, et al.
Veröffentlicht: (2026)

Robust Adverse Weather Removal via Spectral-based Spatial Grouping
von: Jeong, Yuhwan, et al.
Veröffentlicht: (2025)

ACPO: Anchor-Constrained Perceptual Optimization for Diffusion Models with No-Reference Quality Guidance
von: Yang, Yang, et al.
Veröffentlicht: (2026)

Scaling-up Perceptual Video Quality Assessment
von: Jia, Ziheng, et al.
Veröffentlicht: (2025)

Multi-Focused Video Group Activities Hashing
von: Qi, Zhongmiao, et al.
Veröffentlicht: (2025)

Unified and Dynamic Graph for Temporal Character Grouping in Long Videos
von: Shu, Xiujun, et al.
Veröffentlicht: (2023)

PTQAT: A Hybrid Parameter-Efficient Quantization Algorithm for 3D Perception Tasks
von: Wang, Xinhao, et al.
Veröffentlicht: (2025)

Enhancing Long Video Question Answering with Scene-Localized Frame Grouping
von: Yang, Xuyi, et al.
Veröffentlicht: (2025)

Towards Self-Improvement of Diffusion Models via Group Preference Optimization
von: Chen, Renjie, et al.
Veröffentlicht: (2025)

Object-Centric Vision Token Pruning for Vision Language Models
von: Li, Guangyuan, et al.
Veröffentlicht: (2025)

Enhancing Shape Perception and Segmentation Consistency for Industrial Image Inspection
von: Mao, Guoxuan, et al.
Veröffentlicht: (2025)

Diffusion Model with Perceptual Loss
von: Lin, Shanchuan, et al.
Veröffentlicht: (2023)

Mastering Negation: Boosting Grounding Models via Grouped Opposition-Based Learning
von: Yang, Zesheng, et al.
Veröffentlicht: (2026)

Group Orthogonalization Regularization For Vision Models Adaptation and Robustness
von: Kurtz, Yoav, et al.
Veröffentlicht: (2023)

Multi-Group Proportional Representation for Text-to-Image Models
von: Jung, Sangwon, et al.
Veröffentlicht: (2025)

Renormalization Group Guided Tensor Network Structure Search
von: Wang, Maolin, et al.
Veröffentlicht: (2025)

Multi-Scale Grouped Prototypes for Interpretable Semantic Segmentation
von: Porta, Hugo, et al.
Veröffentlicht: (2024)

Active Video Perception: Iterative Evidence Seeking for Agentic Long Video Understanding
von: Wang, Ziyang, et al.
Veröffentlicht: (2025)

TAGE: Trustworthy Attribute Group Editing for Stable Few-shot Image Generation
von: Zhang, Ruicheng, et al.
Veröffentlicht: (2024)

Latent Guidance in Diffusion Models for Perceptual Evaluations
von: Saini, Shreshth, et al.
Veröffentlicht: (2025)