Buchumschlag

DatUS^2: Data-driven Unsupervised Semantic Segmentation with Pre-trained Self-supervised Vision Transformer

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kumar, Sonal, Sur, Arijit, Baruah, Rashmi Dutta
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Machine Learning I.4; I.5
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Kolmogorov-Arnold Attention: Is Learnable Attention Better For Vision Transformers?
von: Maity, Subhajit, et al.
Veröffentlicht: (2025)

Domain-Specific Self-Supervised Pre-training for Agricultural Disease Classification: A Hierarchical Vision Transformer Study
von: Sonavane, Arnav S.
Veröffentlicht: (2026)

AttEntropy: On the Generalization Ability of Supervised Semantic Segmentation Transformers to New Objects in New Domains
von: Lis, Krzysztof, et al.
Veröffentlicht: (2022)

SAM Fewshot Finetuning for Anatomical Segmentation in Medical Images
von: Xie, Weiyi, et al.
Veröffentlicht: (2024)

Low-Cost Tree Crown Dieback Estimation Using Deep Learning-Based Segmentation
von: Allen, M. J., et al.
Veröffentlicht: (2024)

Pan-Arctic Permafrost Landform and Human-built Infrastructure Feature Detection with Vision Transformers and Location Embeddings
von: Perera, Amal S., et al.
Veröffentlicht: (2025)

Manual Labelling Artificially Inflates Deep Learning-Based Segmentation Performance on RGB Images of Closed Canopy: Validation Using TLS
von: Allen, Matthew J., et al.
Veröffentlicht: (2025)

Polyp-SES: Automatic Polyp Segmentation with Self-Enriched Semantic Model
von: Nguyen, Quang Vinh, et al.
Veröffentlicht: (2024)

TUMLS: Trustful Fully Unsupervised Multi-Level Segmentation for Whole Slide Images of Histology
von: Rehamnia, Walid, et al.
Veröffentlicht: (2025)

CFFormer: Cross CNN-Transformer Channel Attention and Spatial Feature Fusion for Improved Segmentation of Heterogeneous Medical Images
von: Li, Jiaxuan, et al.
Veröffentlicht: (2025)

Canonical Space Representation for 4D Panoptic Segmentation of Articulated Objects
von: Gomes, Manuel, et al.
Veröffentlicht: (2025)

U-R-VEDA: Integrating UNET, Residual Links, Edge and Dual Attention, and Vision Transformer for Accurate Semantic Segmentation of CMRs
von: Mukisa, Racheal, et al.
Veröffentlicht: (2025)

AOI-SSL: Self-Supervised Framework for Efficient Segmentation of Wire-bonded Semiconductors In Optical Inspection
von: Figueira, Joaquín, et al.
Veröffentlicht: (2026)

Unified Local and Global Attention Interaction Modeling for Vision Transformers
von: Nguyen, Tan, et al.
Veröffentlicht: (2024)

Optimal Blackjack Strategy Recommender: A Comprehensive Study on Computer Vision Integration for Enhanced Gameplay
von: Gupta, Krishnanshu, et al.
Veröffentlicht: (2024)

M3LEO: A Multi-Modal, Multi-Label Earth Observation Dataset Integrating Interferometric SAR and Multispectral Data
von: Allen, Matthew J, et al.
Veröffentlicht: (2024)

HSDA: High-frequency Shuffle Data Augmentation for Bird's-Eye-View Map Segmentation
von: Glisson, Calvin, et al.
Veröffentlicht: (2024)

FLD+: Data-efficient Evaluation Metric for Generative Models
von: Jeevan, Pranav, et al.
Veröffentlicht: (2024)

A Sensorimotor Vision Transformer
von: Gadzicki, Konrad, et al.
Veröffentlicht: (2025)

Grounding Synthetic Data Generation With Vision and Language Models
von: Çağlar, Ümit Mert, et al.
Veröffentlicht: (2026)

Fusion and Grouping Strategies in Deep Learning for Local Climate Zone Classification of Multimodal Remote Sensing Data
von: Thomas, Ancymol, et al.
Veröffentlicht: (2026)

UTAL-GNN: Unsupervised Temporal Action Localization using Graph Neural Networks
von: Badatya, Bikash Kumar, et al.
Veröffentlicht: (2025)

Cytoarchitecture in Words: Weakly Supervised Vision-Language Modeling for Human Brain Microscopy
von: Sutton, Matthew, et al.
Veröffentlicht: (2026)

SelvaMask: Segmenting Trees in Tropical Forests and Beyond
von: Duguay, Simon-Olivier, et al.
Veröffentlicht: (2026)

Which Backbone to Use: A Resource-efficient Domain Specific Comparison for Computer Vision
von: Jeevan, Pranav, et al.
Veröffentlicht: (2024)

SpATr: MoCap 3D Human Action Recognition based on Spiral Auto-encoder and Transformer Network
von: Bouzid, Hamza, et al.
Veröffentlicht: (2023)

Do All Vision Transformers Need Registers? A Cross-Architectural Reassessment
von: Baxevanakis, Spiros, et al.
Veröffentlicht: (2026)

Adaptation of Distinct Semantics for Uncertain Areas in Polyp Segmentation
von: Nguyen, Quang Vinh, et al.
Veröffentlicht: (2024)

Exploring Visual Embedding Spaces Induced by Vision Transformers for Online Auto Parts Marketplaces
von: Armijo, Cameron, et al.
Veröffentlicht: (2025)

Semi-Supervised Segmentation via Embedding Matching
von: Xie, Weiyi, et al.
Veröffentlicht: (2024)

Sparse Concept Bottleneck Models: Gumbel Tricks in Contrastive Learning
von: Semenov, Andrei, et al.
Veröffentlicht: (2024)

Attention-Aware Transformer-Based Aggregation Network for Video Periocular Recognition
von: Carreira, Luiz G F, et al.
Veröffentlicht: (2026)

treeX: Unsupervised Tree Instance Segmentation in Dense Forest Point Clouds
von: Burmeister, Josafat-Mattias, et al.
Veröffentlicht: (2025)

DNRSelect: Active Best View Selection for Deferred Neural Rendering
von: Wu, Dongli, et al.
Veröffentlicht: (2025)

Pairwise Spatiotemporal Partial Trajectory Matching for Co-movement Analysis
von: Cardei, Maria, et al.
Veröffentlicht: (2024)

Event-based Solutions for Human-centered Applications: A Comprehensive Review
von: Adra, Mira, et al.
Veröffentlicht: (2025)

Prototype Contrastive Consistency Learning for Semi-Supervised Medical Image Segmentation
von: He, Shihuan, et al.
Veröffentlicht: (2025)

Feature-Augmented Deep Networks for Multiscale Building Segmentation in High-Resolution UAV and Satellite Imagery
von: Maniyar, Chintan B., et al.
Veröffentlicht: (2025)

Learning from Semantic Dictionaries: Discriminative Codebook Contrastive Learning for Unified Visual Representation and Generation
von: Estepa, Imanol G., et al.
Veröffentlicht: (2026)

Parameter-efficient fine-tuning (PEFT) of Vision Foundation Models for Atypical Mitotic Figure Classification
von: Ramchandani, Lavish, et al.
Veröffentlicht: (2025)