Copertina

User-Aware Prefix-Tuning is a Good Learner for Personalized Image Captioning

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Wang, Xuan, Wang, Guanhong, Chai, Wenhao, Zhou, Jiayu, Wang, Gaoang
Natura:	Preprint
Pubblicazione:	2023
Soggetti:	Computer Vision and Pattern Recognition
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Sam-Guided Enhanced Fine-Grained Encoding with Mixed Semantic Learning for Medical Image Captioning
di: Zhang, Zhenyu, et al.
Pubblicazione: (2023)

PianoFlow: Music-Aware Streaming Piano Motion Generation with Bimanual Coordination
di: Wang, Xuan, et al.
Pubblicazione: (2026)

LLaVA-Ultra: Large Chinese Language and Vision Assistant for Ultrasound
di: Guo, Xuechen, et al.
Pubblicazione: (2024)

AuroraLong: Bringing RNNs Back to Efficient Open-Ended Video Understanding
di: Xu, Weili, et al.
Pubblicazione: (2025)

DSG-World: Learning a 3D Gaussian World Model from Dual State Videos
di: Hu, Wenhao, et al.
Pubblicazione: (2025)

Pointmap Association and Piecewise-Plane Constraint for Consistent and Compact 3D Gaussian Segmentation Field
di: Hu, Wenhao, et al.
Pubblicazione: (2025)

MovieChat: From Dense Token to Sparse Memory for Long Video Understanding
di: Song, Enxin, et al.
Pubblicazione: (2023)

MovieChat+: Question-aware Sparse Memory for Long Video Question Answering
di: Song, Enxin, et al.
Pubblicazione: (2024)

Hand3R: Online 4D Hand-Scene Reconstruction in the Wild
di: Hu, Wendi, et al.
Pubblicazione: (2026)

Do We Really Need a Complex Agent System? Distill Embodied Agent into a Single Model
di: Zhao, Zhonghan, et al.
Pubblicazione: (2024)

STEVE Series: Step-by-Step Construction of Agent Systems in Minecraft
di: Zhao, Zhonghan, et al.
Pubblicazione: (2024)

What Makes for Good Image Captions?
di: Chen, Delong, et al.
Pubblicazione: (2024)

Hierarchical Auto-Organizing System for Open-Ended Multi-Agent Navigation
di: Zhao, Zhonghan, et al.
Pubblicazione: (2024)

Video-MMLU: A Massive Multi-Discipline Lecture Understanding Benchmark
di: Song, Enxin, et al.
Pubblicazione: (2025)

MPM: A Unified 2D-3D Human Pose Representation via Masked Pose Modeling
di: Zhang, Zhenyu, et al.
Pubblicazione: (2023)

Blind Inpainting with Object-aware Discrimination for Artificial Marker Removal
di: Guo, Xuechen, et al.
Pubblicazione: (2023)

VersaT2I: Improving Text-to-Image Models with Versatile Reward
di: Guo, Jianshu, et al.
Pubblicazione: (2024)

CityGen: Infinite and Controllable City Layout Generation
di: Deng, Jie, et al.
Pubblicazione: (2023)

Frame Order Matters: A Temporal Sequence-Aware Model for Few-Shot Action Recognition
di: Li, Bozheng, et al.
Pubblicazione: (2024)

3D CoCa: Contrastive Learners are 3D Captioners
di: Huang, Ting, et al.
Pubblicazione: (2025)

See, Act, Adapt: Active Perception for Unsupervised Cross-Domain Visual Adaptation via Personalized VLM-Guided Agent
di: Tang, Tianci, et al.
Pubblicazione: (2026)

Semantic-Aware Prefix Learning for Token-Efficient Image Generation
di: Li, Qingfeng, et al.
Pubblicazione: (2026)

MetaWriter: Personalized Handwritten Text Recognition Using Meta-Learned Prompt Tuning
di: Gu, Wenhao, et al.
Pubblicazione: (2025)

RecurGS: Interactive Scene Modeling via Discrete-State Recurrent Gaussian Fusion
di: Hu, Wenhao, et al.
Pubblicazione: (2025)

X-MoGen: Unified Motion Generation across Humans and Animals
di: Wang, Xuan, et al.
Pubblicazione: (2025)

Next-Embedding Prediction Makes Strong Vision Learners
di: Xu, Sihan, et al.
Pubblicazione: (2025)

Disjoint Contrastive Regression Learning for Multi-Sourced Annotations
di: Ruan, Xiaoqian, et al.
Pubblicazione: (2021)

CORE: Compact Object-centric REpresentations as a New Paradigm for Token Merging in LVLMs
di: Lei, Jingyu, et al.
Pubblicazione: (2025)

MetaCaptioner: Towards Generalist Visual Captioning with Open-source Suites
di: Lei, Zhenxin, et al.
Pubblicazione: (2025)

FreeQ-Graph: Free-form Querying with Semantic Consistent Scene Graph for 3D Scene Understanding
di: Zhan, Chenlu, et al.
Pubblicazione: (2025)

Ego3DT: Tracking Every 3D Object in Ego-centric Videos
di: Hao, Shengyu, et al.
Pubblicazione: (2024)

Text Data-Centric Image Captioning with Interactive Prompts
di: Wang, Yiyu, et al.
Pubblicazione: (2024)

VideoUFO: A Million-Scale User-Focused Dataset for Text-to-Video Generation
di: Wang, Wenhao, et al.
Pubblicazione: (2025)

IGFuse: Interactive 3D Gaussian Scene Reconstruction via Multi-Scans Fusion
di: Hu, Wenhao, et al.
Pubblicazione: (2025)

Recent Advances in Embedding Methods for Multi-Object Tracking: A Survey
di: Wang, Gaoang, et al.
Pubblicazione: (2022)

Top-Down Framework for Weakly-supervised Grounded Image Captioning
di: Cai, Chen, et al.
Pubblicazione: (2023)

Visually-Aware Context Modeling for News Image Captioning
di: Qu, Tingyu, et al.
Pubblicazione: (2023)

Premier: Personalized Preference Modulation with Learnable User Embedding in Text-to-Image Generation
di: Wang, Zihao, et al.
Pubblicazione: (2026)

Large Language Models are Good Prompt Learners for Low-Shot Image Classification
di: Zheng, Zhaoheng, et al.
Pubblicazione: (2023)

Decoding fMRI Data into Captions using Prefix Language Modeling
di: Shen, Vyacheslav, et al.
Pubblicazione: (2025)