Buchumschlag

Learning to Prompt with Text Only Supervision for Vision-Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Khattak, Muhammad Uzair, Naeem, Muhammad Ferjad, Naseer, Muzammal, Van Gool, Luc, Tombari, Federico
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

How Good is my Video LMM? Complex Video Reasoning and Robustness Evaluation Suite for Video-LMMs
von: Khattak, Muhammad Uzair, et al.
Veröffentlicht: (2024)

Language-Unlocked ViT (LUViT): Empowering Self-Supervised Vision Transformers with LLMs
von: Kuzucu, Selim, et al.
Veröffentlicht: (2025)

Human Pose Descriptions and Subject-Focused Attention for Improved Zero-Shot Transfer in Human-Centric Classification Tasks
von: Khan, Muhammad Saif Ullah, et al.
Veröffentlicht: (2024)

UniMed-CLIP: Towards a Unified Image-Text Pretraining Paradigm for Diverse Medical Imaging Modalities
von: Khattak, Muhammad Uzair, et al.
Veröffentlicht: (2024)

Align Your Prompts: Test-Time Prompting with Distribution Alignment for Zero-Shot Generalization
von: Hassan, Jameel, et al.
Veröffentlicht: (2023)

PARCEL: Pool-Anchored Resampling with Conditioned Elastic Queries for Efficient Vision-Language Understanding
von: Kuzucu, Selim, et al.
Veröffentlicht: (2026)

Toward a Diffusion-Based Generalist for Dense Vision Tasks
von: Fan, Yue, et al.
Veröffentlicht: (2024)

PromptSmooth: Certifying Robustness of Medical Vision-Language Models via Prompt Learning
von: Hussein, Noor, et al.
Veröffentlicht: (2024)

Know Your Neighbors: Improving Single-View Reconstruction via Spatial Vision-Language Reasoning
von: Li, Rui, et al.
Veröffentlicht: (2024)

RefAM: Attention Magnets for Zero-Shot Referral Segmentation
von: Kukleva, Anna, et al.
Veröffentlicht: (2025)

Hierarchical Text-to-Vision Self Supervised Alignment for Improved Histopathology Representation Learning
von: Watawana, Hasindri, et al.
Veröffentlicht: (2024)

Promptception: How Sensitive Are Large Multimodal Models to Prompts?
von: Ismithdeen, Mohamed Insaf, et al.
Veröffentlicht: (2025)

BAPLe: Backdoor Attacks on Medical Foundational Models using Prompt Learning
von: Hanif, Asif, et al.
Veröffentlicht: (2024)

Self-supervised Shape Completion via Involution and Implicit Correspondences
von: Liu, Mengya, et al.
Veröffentlicht: (2024)

Hierarchical Self-Supervised Adversarial Training for Robust Vision Models in Histopathology
von: Malik, Hashmat Shadab, et al.
Veröffentlicht: (2025)

LLM Blueprint: Enabling Text-to-Image Generation with Complex and Detailed Prompts
von: Gani, Hanan, et al.
Veröffentlicht: (2023)

GiT: Towards Generalist Vision Transformer through Universal Language Interface
von: Wang, Haiyang, et al.
Veröffentlicht: (2024)

MOBIUS: Big-to-Mobile Universal Instance Segmentation via Multi-modal Bottleneck Fusion and Calibrated Decoder Pruning
von: Segu, Mattia, et al.
Veröffentlicht: (2025)

Active Data Curation Effectively Distills Large-Scale Multimodal Models
von: Udandarao, Vishaal, et al.
Veröffentlicht: (2024)

ObjectCompose: Evaluating Resilience of Vision-Based Models on Object-to-Background Compositional Changes
von: Malik, Hashmat Shadab, et al.
Veröffentlicht: (2024)

One2Any: One-Reference 6D Pose Estimation for Any Object
von: Liu, Mengya, et al.
Veröffentlicht: (2025)

XDT-CXR: Investigating Cross-Disease Transferability in Zero-Shot Binary Classification of Chest X-Rays
von: Rahman, Umaima, et al.
Veröffentlicht: (2024)

AgriCLIP: Adapting CLIP for Agriculture and Livestock via Domain-Specialized Cross-Model Alignment
von: Nawaz, Umair, et al.
Veröffentlicht: (2024)

Bayesian Self-Training for Semi-Supervised 3D Segmentation
von: Unal, Ozan, et al.
Veröffentlicht: (2024)

InseRF: Text-Driven Generative Object Insertion in Neural 3D Scenes
von: Shahbazi, Mohamad, et al.
Veröffentlicht: (2024)

Multi-modal Generation via Cross-Modal In-Context Learning
von: Kumar, Amandeep, et al.
Veröffentlicht: (2024)

Y-CA-Net: A Convolutional Attention Based Network for Volumetric Medical Image Segmentation
von: Sharif, Muhammad Hamza, et al.
Veröffentlicht: (2024)

Adversarial Appearance Learning in Augmented Cityscapes for Pedestrian Recognition in Autonomous Driving
von: Savkin, Artem, et al.
Veröffentlicht: (2025)

STEREO: A Two-Stage Framework for Adversarially Robust Concept Erasing from Text-to-Image Diffusion Models
von: Srivatsan, Koushik, et al.
Veröffentlicht: (2024)

Investigating the Effectiveness of Cross-Attention to Unlock Zero-Shot Editing of Text-to-Video Diffusion Models
von: Motamed, Saman, et al.
Veröffentlicht: (2024)

Splat-SLAM: Globally Optimized RGB-only SLAM with 3D Gaussians
von: Sandström, Erik, et al.
Veröffentlicht: (2024)

Lost in Translation? Vocabulary Alignment for Source-Free Adaptation in Open-Vocabulary Semantic Segmentation
von: Mazzucco, Silvio, et al.
Veröffentlicht: (2025)

Language Guided Domain Generalized Medical Image Segmentation
von: Kunhimon, Shahina, et al.
Veröffentlicht: (2024)

Camera-Only 3D Panoptic Scene Completion for Autonomous Driving through Differentiable Object Shapes
von: Marinello, Nicola, et al.
Veröffentlicht: (2025)

Lego: Learning to Disentangle and Invert Personalized Concepts Beyond Object Appearance in Text-to-Image Diffusion Models
von: Motamed, Saman, et al.
Veröffentlicht: (2023)

Video-Panda: Parameter-efficient Alignment for Encoder-free Video-Language Models
von: Yi, Jinhui, et al.
Veröffentlicht: (2024)

Calibration-Aware Prompt Learning for Medical Vision-Language Models
von: Basu, Abhishek, et al.
Veröffentlicht: (2025)

Cross-Modal Self-Training: Aligning Images and Pointclouds to Learn Classification without Labels
von: Dharmasiri, Amaya, et al.
Veröffentlicht: (2024)

Self-Supervised Learning with a Multi-Task Latent Space Objective
von: De Plaen, Pierre-François, et al.
Veröffentlicht: (2026)

Incremental Object Detection with Prompt-based Methods
von: Neuwirth-Trapp, Matthias, et al.
Veröffentlicht: (2025)