Buchumschlag

Denoising Vision Transformers

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yang, Jiawei, Luo, Katie Z, Li, Jiefeng, Deng, Congyue, Guibas, Leonidas, Krishnan, Dilip, Weinberger, Kilian Q, Tian, Yonglong, Wang, Yue
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

Multiview Equivariance Improves 3D Correspondence Understanding with Minimal Feature Finetuning
von: You, Yang, et al.
Veröffentlicht: (2024)

Zero-Shot Image Feature Consensus with Deep Functional Maps
von: Cheng, Xinle, et al.
Veröffentlicht: (2024)

Latent Denoising Makes Good Tokenizers
von: Yang, Jiawei, et al.
Veröffentlicht: (2025)

Learning Vision from Models Rivals Learning Vision from Data
von: Tian, Yonglong, et al.
Veröffentlicht: (2023)

SAGE: Bridging Semantic and Actionable Parts for GEneralizable Manipulation of Articulated Objects
von: Geng, Haoran, et al.
Veröffentlicht: (2023)

SparseDFF: Sparse-View Feature Distillation for One-Shot Dexterous Manipulation
von: Wang, Qianxu, et al.
Veröffentlicht: (2023)

Rodrigues Network for Learning Robot Actions
von: Zhang, Jialiang, et al.
Veröffentlicht: (2025)

RINO: Rotation-Invariant Non-Rigid Correspondences
von: Gao, Maolin, et al.
Veröffentlicht: (2026)

PhysPart: Physically Plausible Part Completion for Interactable Objects
von: Luo, Rundong, et al.
Veröffentlicht: (2024)

RAM: Retrieval-Based Affordance Transfer for Generalizable Zero-Shot Robotic Manipulation
von: Kuang, Yuxuan, et al.
Veröffentlicht: (2024)

BlenderAlchemy: Editing 3D Graphics with Vision-Language Models
von: Huang, Ian, et al.
Veröffentlicht: (2024)

Neural Attention Field: Emerging Point Relevance in 3D Scenes for One-Shot Dexterous Grasping
von: Wang, Qianxu, et al.
Veröffentlicht: (2024)

Representation Fréchet Loss for Visual Generation
von: Yang, Jiawei, et al.
Veröffentlicht: (2026)

PASTA: Controllable Part-Aware Shape Generation with Autoregressive Transformers
von: Li, Songlin, et al.
Veröffentlicht: (2024)

InfoGaussian: Structure-Aware Dynamic Gaussians through Lightweight Information Shaping
von: Zhang, Yunchao, et al.
Veröffentlicht: (2024)

OCH3R: Object-Centric Holistic 3D Reconstruction
von: Du, Yi, et al.
Veröffentlicht: (2026)

On the Feasibility and Opportunity of Autoregressive 3D Object Detection
von: Huang, Zanming, et al.
Veröffentlicht: (2026)

Streetscapes: Large-scale Consistent Street View Generation Using Autoregressive Video Diffusion
von: Deng, Boyang, et al.
Veröffentlicht: (2024)

Denoising Vision Transformer Autoencoder with Spectral Self-Regularization
von: Xiang, Xunzhi, et al.
Veröffentlicht: (2025)

The Cartesian Shortcut: Re-evaluate Vision Reasoning in Polar Coordinate Space
von: Hu, Xia, et al.
Veröffentlicht: (2026)

Better Monocular 3D Detectors with LiDAR from the Past
von: You, Yurong, et al.
Veröffentlicht: (2024)

Perspective-Aware Reasoning in Vision-Language Models via Mental Imagery Simulation
von: Lee, Phillip Y., et al.
Veröffentlicht: (2025)

Autoregressive Image Generation without Vector Quantization
von: Li, Tianhong, et al.
Veröffentlicht: (2024)

ProvNeRF: Modeling per Point Provenance in NeRFs as a Stochastic Field
von: Nakayama, Kiyohiro, et al.
Veröffentlicht: (2024)

Animal Pose Labeling Using General-Purpose Point Trackers
von: Pan, Zhuoyang, et al.
Veröffentlicht: (2025)

Synthesizing 3D Abstractions by Inverting Procedural Buildings with Transformers
von: Dax, Maximilian, et al.
Veröffentlicht: (2025)

Self-Calibrating Gaussian Splatting for Large Field of View Reconstruction
von: Deng, Youming, et al.
Veröffentlicht: (2025)

SuperDec: 3D Scene Decomposition with Superquadric Primitives
von: Fedele, Elisabetta, et al.
Veröffentlicht: (2025)

Robust Human Registration with Body Part Segmentation on Noisy Point Clouds
von: Lascheit, Kai, et al.
Veröffentlicht: (2025)

MoMaps: Semantics-Aware Scene Motion Generation with Motion Maps
von: Lei, Jiahui, et al.
Veröffentlicht: (2025)

Dynamic Reflections: Probing Video Representations with Text Alignment
von: Zhu, Tyler, et al.
Veröffentlicht: (2025)

SplatTalk: 3D VQA with Gaussian Splatting
von: Thai, Anh, et al.
Veröffentlicht: (2025)

Asymmetric Flow Models
von: Chen, Hansheng, et al.
Veröffentlicht: (2026)

Refining Pre-Trained Motion Models
von: Sun, Xinglong, et al.
Veröffentlicht: (2024)

Adaptive Moments are Surprisingly Effective for Plug-and-Play Diffusion Sampling
von: Belardi, Christian, et al.
Veröffentlicht: (2026)

ArtVLM: Attribute Recognition Through Vision-Based Prefix Language Modeling
von: Zhu, William Yicheng, et al.
Veröffentlicht: (2024)

Visual-Word Tokenizer: Beyond Fixed Sets of Tokens in Vision Transformers
von: Gee, Leonidas, et al.
Veröffentlicht: (2024)

GenAnalysis: Joint Shape Analysis by Learning Man-Made Shape Generators with Deformation Regularizations
von: Yang, Yuezhi, et al.
Veröffentlicht: (2025)

NeRF Revisited: Fixing Quadrature Instability in Volume Rendering
von: Uy, Mikaela Angelina, et al.
Veröffentlicht: (2023)

Support-Set Context Matters for Bongard Problems
von: Raghuraman, Nikhil, et al.
Veröffentlicht: (2023)