Buchumschlag

SPOT: Self-Training with Patch-Order Permutation for Object-Centric Learning with Autoregressive Transformers

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kakogeorgiou, Ioannis, Gidaris, Spyros, Karantzalos, Konstantinos, Komodakis, Nikos
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

Advancing Semantic Future Prediction through Multimodal Visual Sequence Transformers
von: Karypidis, Efstathios, et al.
Veröffentlicht: (2025)

DINO-Foresight: Looking into the Future with DINO
von: Karypidis, Efstathios, et al.
Veröffentlicht: (2024)

Boosting Generative Image Modeling via Joint Image-Feature Synthesis
von: Kouzelis, Theodoros, et al.
Veröffentlicht: (2025)

Coevolving Representations in Joint Image-Feature Diffusion
von: Kouzelis, Theodoros, et al.
Veröffentlicht: (2026)

Representations Before Pixels: Semantics-Guided Hierarchical Video Prediction
von: Karypidis, Efstathios, et al.
Veröffentlicht: (2026)

Multi-Token Prediction Needs Registers
von: Gerontopoulos, Anastasios, et al.
Veröffentlicht: (2025)

Attention, Please! Revisiting Attentive Probing Through the Lens of Efficiency
von: Psomas, Bill, et al.
Veröffentlicht: (2025)

Composed Image Retrieval for Remote Sensing
von: Psomas, Bill, et al.
Veröffentlicht: (2024)

MOCA: Self-supervised Representation Learning by Predicting Masked Online Codebook Assignments
von: Gidaris, Spyros, et al.
Veröffentlicht: (2023)

EQ-VAE: Equivariance Regularized Latent Space for Improved Generative Image Modeling
von: Kouzelis, Theodoros, et al.
Veröffentlicht: (2025)

Benchmarking Composed Image Retrieval for Applied Earth Observation
von: Psomas, Bill, et al.
Veröffentlicht: (2026)

Unsupervised Object Localization in the Era of Self-Supervised ViTs: A Survey
von: Siméoni, Oriane, et al.
Veröffentlicht: (2023)

No Train, all Gain: Self-Supervised Gradients Improve Deep Frozen Representations
von: Simoncini, Walter, et al.
Veröffentlicht: (2024)

Composed Image Retrieval for Training-Free Domain Conversion
von: Efthymiadis, Nikos, et al.
Veröffentlicht: (2024)

Transformer-based assignment decision network for multiple object tracking
von: Psalta, Athena, et al.
Veröffentlicht: (2022)

Boosting Visual Instruction Tuning with Self-Supervised Guidance
von: Sirko-Galouchenko, Sophia, et al.
Veröffentlicht: (2026)

What really matters for person re-identification? A Mixture-of-Experts Framework for Semantic Attribute Importance
von: Psalta, Athena, et al.
Veröffentlicht: (2025)

TRACE: Transformer-based Risk Assessment for Clinical Evaluation
von: Christopoulos, Dionysis, et al.
Veröffentlicht: (2024)

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

DIP: Unsupervised Dense In-Context Post-training of Visual Representations
von: Sirko-Galouchenko, Sophia, et al.
Veröffentlicht: (2025)

Addressing single object tracking in satellite imagery through prompt-engineered solutions
von: Psalta, Athena, et al.
Veröffentlicht: (2024)

Context Matters: Learning Global Semantics via Object-Centric Representation
von: Zhong, Jike, et al.
Veröffentlicht: (2025)

Object-Centric Action-Enhanced Representations for Robot Visuo-Motor Policy Learning
von: Giannakakis, Nikos, et al.
Veröffentlicht: (2025)

Vanilla ViT for Automotive Point Cloud Semantic Segmentation
von: Puy, Gilles, et al.
Veröffentlicht: (2026)

OccFeat: Self-supervised Occupancy Feature Prediction for Pretraining BEV Segmentation Networks
von: Sirko-Galouchenko, Sophia, et al.
Veröffentlicht: (2024)

Franca: Nested Matryoshka Clustering for Scalable Visual Representation Learning
von: Venkataramanan, Shashanka, et al.
Veröffentlicht: (2025)

REGLUE Your Latents with Global and Local Semantics for Entangled Diffusion
von: Petsangourakis, Giorgos, et al.
Veröffentlicht: (2025)

FLOGA: A machine learning ready dataset, a benchmark and a novel deep learning model for burnt area mapping with Sentinel-2
von: Sdraka, Maria, et al.
Veröffentlicht: (2023)

Drive&Segment: Unsupervised Semantic Segmentation of Urban Scenes via Cross-modal Distillation
von: Vobecky, Antonin, et al.
Veröffentlicht: (2022)

POP-3D: Open-Vocabulary 3D Occupancy Prediction from Images
von: Vobecky, Antonin, et al.
Veröffentlicht: (2024)

Higher-Order Adversarial Patches for Real-Time Object Detectors
von: Bayer, Jens, et al.
Veröffentlicht: (2026)

ToNNO: Tomographic Reconstruction of a Neural Network's Output for Weakly Supervised Segmentation of 3D Medical Images
von: Schmidt-Mengin, Marius, et al.
Veröffentlicht: (2024)

Object-Centric Temporal Consistency via Conditional Autoregressive Inductive Biases
von: Meo, Cristian, et al.
Veröffentlicht: (2024)

Skin Lesion Phenotyping via Nested Multi-modal Contrastive Learning
von: Christopoulos, Dionysis, et al.
Veröffentlicht: (2025)

Next Patch Prediction for Autoregressive Visual Generation
von: Pang, Yatian, et al.
Veröffentlicht: (2024)

Three Pillars improving Vision Foundation Model Distillation for Lidar
von: Puy, Gilles, et al.
Veröffentlicht: (2023)

Inlier-Centric Post-Training Quantization for Object Detection Models
von: Kim, Minsu, et al.
Veröffentlicht: (2026)

PanSR: An Object-Centric Mask Transformer for Panoptic Segmentation
von: Žust, Lojze, et al.
Veröffentlicht: (2024)

Aligned Unsupervised Pretraining of Object Detectors with Self-training
von: Metaxas, Ioannis Maniadis, et al.
Veröffentlicht: (2023)

SPOT!: Map-Guided LLM Agent for Unsupervised Multi-CCTV Dynamic Object Tracking
von: Roh, Yujin, et al.
Veröffentlicht: (2025)