Buchumschlag

One-Dimensional Adapter to Rule Them All: Concepts, Diffusion Models and Erasing Applications

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lyu, Mengyao, Yang, Yuhong, Hong, Haiwen, Chen, Hui, Jin, Xuan, He, Yuan, Xue, Hui, Han, Jungong, Ding, Guiguang
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Towards Efficient Vision-Language Tuning: More Information Density, More Generalizability
von: Hao, Tianxiang, et al.
Veröffentlicht: (2023)

Learn from the Learnt: Source-Free Active Domain Adaptation via Contrastive Sampling and Visual Persistence
von: Lyu, Mengyao, et al.
Veröffentlicht: (2024)

Cream of the Crop: Harvesting Rich, Scalable and Transferable Multi-Modal Data for Instruction Fine-Tuning
von: Lyu, Mengyao, et al.
Veröffentlicht: (2025)

RepViT-SAM: Towards Real-Time Segmenting Anything
von: Wang, Ao, et al.
Veröffentlicht: (2023)

LSNet: See Large, Focus Small
von: Wang, Ao, et al.
Veröffentlicht: (2025)

RepViT: Revisiting Mobile CNN From ViT Perspective
von: Wang, Ao, et al.
Veröffentlicht: (2023)

Advancing Reliable Test-Time Adaptation of Vision-Language Models under Visual Variations
von: Liang, Yiwen, et al.
Veröffentlicht: (2025)

CAIT: Triple-Win Compression towards High Accuracy, Fast Inference, and Favorable Transferability For ViTs
von: Wang, Ao, et al.
Veröffentlicht: (2023)

[CLS] Token Tells Everything Needed for Training-free Efficient MLLMs
von: Wang, Ao, et al.
Veröffentlicht: (2024)

YOLOE: Real-Time Seeing Anything
von: Wang, Ao, et al.
Veröffentlicht: (2025)

AdaTP: Attention-Debiased Token Pruning for Video Large Language Models
von: Sun, Fengyuan, et al.
Veröffentlicht: (2025)

Tracking and Segmenting Anything in Any Modality
von: Zhang, Tianlu, et al.
Veröffentlicht: (2025)

OmniCaptioner: One Captioner to Rule Them All
von: Lu, Yiting, et al.
Veröffentlicht: (2025)

One Hand to Rule Them All: Canonical Representations for Unified Dexterous Manipulation
von: Wei, Zhenyu, et al.
Veröffentlicht: (2026)

TabPFN: One Model to Rule Them All?
von: Zhang, Qiong, et al.
Veröffentlicht: (2025)

SupeRANSAC: One RANSAC to Rule Them All
von: Barath, Daniel
Veröffentlicht: (2025)

Repr Types: One Abstraction to Rule Them All
von: Palmkvist, Viktor, et al.
Veröffentlicht: (2024)

One Diffusion to Generate Them All
von: Le, Duong H., et al.
Veröffentlicht: (2024)

YOLO-UniOW: Efficient Universal Open-World Object Detection
von: Liu, Lihao, et al.
Veröffentlicht: (2024)

LLMI3D: MLLM-based 3D Perception from a Single 2D Image
von: Yang, Fan, et al.
Veröffentlicht: (2024)

YOLOv10: Real-Time End-to-End Object Detection
von: Wang, Ao, et al.
Veröffentlicht: (2024)

Context Enhancement with Reconstruction as Sequence for Unified Unsupervised Anomaly Detection
von: Yang, Hui-Yue, et al.
Veröffentlicht: (2024)

When One Modality Rules Them All: Backdoor Modality Collapse in Multimodal Diffusion Models
von: Wang, Qitong, et al.
Veröffentlicht: (2026)

One Mask to Rule Them All: On Hidden Facts after Editing and How to Find Them
von: Holmov, Ali, et al.
Veröffentlicht: (2026)

Quantized Prompt for Efficient Generalization of Vision-Language Models
von: Hao, Tianxiang, et al.
Veröffentlicht: (2024)

One Prompt To Rule Them All: LLMs for Opinion Summary Evaluation
von: Siledar, Tejpalsingh, et al.
Veröffentlicht: (2024)

One Model to Rule them All … and Through Emergence, Bind Them
von: Jawahar Bhalla, et al.
Veröffentlicht: (2024)

PruneHal: Reducing Hallucinations in Multi-modal Large Language Models through Adaptive KV Cache Pruning
von: Sun, Fengyuan, et al.
Veröffentlicht: (2025)

One Instrument to Rule Them All: The Bias and Coverage of Just-ID IV
von: Angrist, Joshua, et al.
Veröffentlicht: (2021)

One Extension to Explain Them All, One Scale-Invariant Spectrum to Test Them All, and in One Model Bind Them
von: Forconi, Matteo, et al.
Veröffentlicht: (2025)

Pruning for Robust Concept Erasing in Diffusion Models
von: Yang, Tianyun, et al.
Veröffentlicht: (2024)

When Are Concepts Erased From Diffusion Models?
von: Lu, Kevin, et al.
Veröffentlicht: (2025)

One Tokenizer To Rule Them All: Emergent Language Plasticity via Multilingual Tokenizers
von: Abagyan, Diana, et al.
Veröffentlicht: (2025)

One Channel to Rule Them All: Rethinking Input Representation for Visual Place Recognition
von: Ismagilov, Timur, et al.
Veröffentlicht: (2026)

One Phase to Rule Them All: Spontaneous CP Violation and Leptogenesis in SO(10)
von: Babu, K. S., et al.
Veröffentlicht: (2025)

One Framework to Rule Them All: Unifying Multimodal Tasks with LLM Neural-Tuning
von: Sun, Hao, et al.
Veröffentlicht: (2024)

One SPACE to Rule Them All: Jointly Mitigating Factuality and Faithfulness Hallucinations in LLMs
von: Wang, Pengbo, et al.
Veröffentlicht: (2025)

One Period to Rule Them All: Identifying Critical Learning Periods in Deep Networks
von: Fukase, Vinicius Yuiti, et al.
Veröffentlicht: (2025)

Prices, Bids, Values: One ML-Powered Combinatorial Auction to Rule Them All
von: Soumalias, Ermis, et al.
Veröffentlicht: (2024)

One Noise to Rule Them All: Multi-View Adversarial Attacks with Universal Perturbation
von: Ergezer, Mehmet, et al.
Veröffentlicht: (2024)