:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Long, Rujiao, Xing, Hangdi, Yang, Zhibo, Zheng, Qi, Yu, Zhi, Yao, Cong, Huang, Fei
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	https://arxiv.org/abs/2401.01522
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

HIP: Hierarchical Point Modeling and Pre-training for Visual Information Extraction
von: Long, Rujiao, et al.
Veröffentlicht: (2024)

WebRPG: Automatic Web Rendering Parameters Generation for Visual Presentation
von: Shao, Zirui, et al.
Veröffentlicht: (2024)

OmniParser: A Unified Framework for Text Spotting, Key Information Extraction and Table Recognition
von: Wan, Jianqiang, et al.
Veröffentlicht: (2024)

A Simple yet Effective Layout Token in Large Language Models for Document Understanding
von: Zhu, Zhaoqing, et al.
Veröffentlicht: (2025)

Robust Fine-tuning for Pre-trained 3D Point Cloud Models
von: Zhang, Zhibo, et al.
Veröffentlicht: (2024)

LORE: Lagrangian-Optimized Robust Embeddings for Visual Encoders
von: Khodabandeh, Borna, et al.
Veröffentlicht: (2025)

Revisiting Continual Semantic Segmentation with Pre-trained Vision Models
von: Zhang, Duzhen, et al.
Veröffentlicht: (2025)

Platypus: A Generalized Specialist Model for Reading Text in Various Forms
von: Wang, Peng, et al.
Veröffentlicht: (2024)

SepFormer: Coarse-to-fine Separator Regression Network for Table Structure Recognition
von: Nguyen, Nam Quan, et al.
Veröffentlicht: (2025)

HierCode: A Lightweight Hierarchical Codebook for Zero-shot Chinese Text Recognition
von: Zhang, Yuyi, et al.
Veröffentlicht: (2024)

LORE: Latent Optimization for Precise Semantic Control in Rectified Flow-based Image Editing
von: Ouyang, Liangyang, et al.
Veröffentlicht: (2025)

Fake It Right: Injecting Anatomical Logic into Synthetic Supervised Pre-training for Medical Segmentation
von: Tang, Jiaqi, et al.
Veröffentlicht: (2026)

Let ViT Speak: Generative Language-Image Pre-training
von: Fang, Yan, et al.
Veröffentlicht: (2026)

Long-Tailed Recognition on Binary Networks by Calibrating A Pre-trained Model
von: Kim, Jihun, et al.
Veröffentlicht: (2024)

Micro-Expression Recognition by Motion Feature Extraction based on Pre-training
von: Li, Ruolin, et al.
Veröffentlicht: (2024)

MAA: Meticulous Adversarial Attack against Vision-Language Pre-trained Models
von: Zhang, Peng-Fei, et al.
Veröffentlicht: (2025)

Deep Radar Inverse Sensor Models for Dynamic Occupancy Grid Maps
von: Wei, Zihang, et al.
Veröffentlicht: (2023)

Self-Supervised Pre-Training for Table Structure Recognition Transformer
von: Peng, ShengYun, et al.
Veröffentlicht: (2024)

LayoutLLM: Layout Instruction Tuning with Large Language Models for Document Understanding
von: Luo, Chuwei, et al.
Veröffentlicht: (2024)

Visual Text Generation in the Wild
von: Zhu, Yuanzhi, et al.
Veröffentlicht: (2024)

CoF: Coarse to Fine-Grained Image Understanding for Multi-modal Large Language Models
von: Wang, Yeyuan, et al.
Veröffentlicht: (2024)

Universal Adversarial Perturbations for Vision-Language Pre-trained Models
von: Zhang, Peng-Fei, et al.
Veröffentlicht: (2024)

Stylized Structural Patterns for Improved Neural Network Pre-training
von: Salehi, Farnood, et al.
Veröffentlicht: (2025)

Pre-training for Action Recognition with Automatically Generated Fractal Datasets
von: Svyezhentsev, Davyd, et al.
Veröffentlicht: (2024)

IPAD: Iterative, Parallel, and Diffusion-based Network for Scene Text Recognition
von: Yang, Xiaomeng, et al.
Veröffentlicht: (2023)

A Foundation Model for DAS Signal Recognition and Visual Prompt Tuning of the Pre-trained Model for Downstream Tasks
von: Gui, Kun, et al.
Veröffentlicht: (2025)

Multi-modal Multi-task Pre-training for Improved Point Cloud Understanding
von: Liu, Liwen, et al.
Veröffentlicht: (2025)

Enhancing Pre-trained Representation Classifiability can Boost its Interpretability
von: Shen, Shufan, et al.
Veröffentlicht: (2025)

Sparse Reasoning is Enough: Biological-Inspired Framework for Video Anomaly Detection with Large Pre-trained Models
von: Huang, He, et al.
Veröffentlicht: (2025)

ASPO: Adaptive Sentence-Level Preference Optimization for Fine-Grained Multimodal Reasoning
von: Wang, Yeyuan, et al.
Veröffentlicht: (2025)

Accelerating Pre-training of Multimodal LLMs via Chain-of-Sight
von: Huang, Ziyuan, et al.
Veröffentlicht: (2024)

Logos as a Well-Tempered Pre-train for Sign Language Recognition
von: Ovodov, Ilya, et al.
Veröffentlicht: (2025)

AdFair-CLIP: Adversarial Fair Contrastive Language-Image Pre-training for Chest X-rays
von: Yi, Chenlang, et al.
Veröffentlicht: (2025)

GLID: Pre-training a Generalist Encoder-Decoder Vision Model
von: Liu, Jihao, et al.
Veröffentlicht: (2024)

Downstream Transfer Attack: Adversarial Attacks on Downstream Models with Pre-trained Vision Transformers
von: Zheng, Weijie, et al.
Veröffentlicht: (2024)

ProcTag: Process Tagging for Assessing the Efficacy of Document Instruction Data
von: Shen, Yufan, et al.
Veröffentlicht: (2024)

SR-Stereo & DAPE: Stepwise Regression and Pre-trained Edges for Practical Stereo Matching
von: Xiao, Weiqing, et al.
Veröffentlicht: (2024)

Towards Seamless Adaptation of Pre-trained Models for Visual Place Recognition
von: Lu, Feng, et al.
Veröffentlicht: (2024)

Self-Supervised Pre-training with Symmetric Superimposition Modeling for Scene Text Recognition
von: Gao, Zuan, et al.
Veröffentlicht: (2024)

BRAVEn: Improving Self-Supervised Pre-training for Visual and Auditory Speech Recognition
von: Haliassos, Alexandros, et al.
Veröffentlicht: (2024)