Buchumschlag

MIM-Refiner: A Contrastive Learning Boost from Intermediate Pre-Trained Representations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Alkin, Benedikt, Miklautz, Lukas, Hochreiter, Sepp, Brandstetter, Johannes
Format:	Preprint
Veröffentlicht:	2024
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

Vision-LSTM: xLSTM as Generic Vision Backbone
von: Alkin, Benedikt, et al.
Veröffentlicht: (2024)

Geometry-Informed Neural Networks
von: Berzins, Arturs, et al.
Veröffentlicht: (2024)

An Investigation into Pre-Training Object-Centric Representations for Reinforcement Learning
von: Yoon, Jaesik, et al.
Veröffentlicht: (2023)

The Surprising Ineffectiveness of Pre-Trained Visual Representations for Model-Based Reinforcement Learning
von: Schneider, Moritz, et al.
Veröffentlicht: (2024)

CLCE: An Approach to Refining Cross-Entropy and Contrastive Learning for Optimized Learning Fusion
von: Long, Zijun, et al.
Veröffentlicht: (2024)

Parameter Efficient Fine-tuning via Explained Variance Adaptation
von: Paischer, Fabian, et al.
Veröffentlicht: (2024)

Energy-based Hopfield Boosting for Out-of-Distribution Detection
von: Hofmann, Claus, et al.
Veröffentlicht: (2024)

The Temporal Trap: Entanglement in Pre-Trained Visual Representations for Visuomotor Policy Learning
von: Tsagkas, Nikolaos, et al.
Veröffentlicht: (2025)

Implicit Contrastive Representation Learning with Guided Stop-gradient
von: Lee, Byeongchan, et al.
Veröffentlicht: (2025)

Learning Contrastive Feature Representations for Facial Action Unit Detection
von: Shang, Ziqiao, et al.
Veröffentlicht: (2024)

CURLing the Dream: Contrastive Representations for World Modeling in Reinforcement Learning
von: Kich, Victor Augusto, et al.
Veröffentlicht: (2024)

Dissecting Representation Misalignment in Contrastive Learning via Influence Function
von: Hu, Lijie, et al.
Veröffentlicht: (2024)

Diverse Topology Optimization using Modulated Neural Fields
von: Radler, Andreas, et al.
Veröffentlicht: (2025)

Understanding Contrastive Representation Learning from Positive Unlabeled (PU) Data
von: Acharya, Anish, et al.
Veröffentlicht: (2024)

Refine and Purify: Orthogonal Basis Optimization with Null-Space Denoising for Conditional Representation Learning
von: Wang, Jiaquan, et al.
Veröffentlicht: (2026)

Dataset Ownership Verification in Contrastive Pre-trained Models
von: Xie, Yuechen, et al.
Veröffentlicht: (2025)

Simplified priors for Object-Centric Learning
von: Patil, Vihang, et al.
Veröffentlicht: (2024)

Investigating Pre-Training Objectives for Generalization in Vision-Based Reinforcement Learning
von: Kim, Donghu, et al.
Veröffentlicht: (2024)

Fly-CL: A Fly-Inspired Framework for Enhancing Efficient Decorrelation and Reduced Training Time in Pre-trained Model-based Continual Representation Learning
von: Zou, Heming, et al.
Veröffentlicht: (2025)

SurvRNC: Learning Ordered Representations for Survival Prediction using Rank-N-Contrast
von: Saeed, Numan, et al.
Veröffentlicht: (2024)

Pre-Training Meta-Rule Selection Policy for Visual Generative Abductive Learning
von: Jin, Yu, et al.
Veröffentlicht: (2025)

Learning Private Representations through Entropy-based Adversarial Training
von: Klein, Tassilo, et al.
Veröffentlicht: (2025)

Robust Representation Consistency Model via Contrastive Denoising
von: Lei, Jiachen, et al.
Veröffentlicht: (2025)

Composing Pre-Trained Object-Centric Representations for Robotics From "What" and "Where" Foundation Models
von: Shi, Junyao, et al.
Veröffentlicht: (2024)

Pre-Trained Model Recommendation for Downstream Fine-tuning
von: Bai, Jiameng, et al.
Veröffentlicht: (2024)

ReCoRe: Regularized Contrastive Representation Learning of World Model
von: Poudel, Rudra P. K., et al.
Veröffentlicht: (2023)

Multi-View and Multi-Scale Alignment for Contrastive Language-Image Pre-training in Mammography
von: Du, Yuexi, et al.
Veröffentlicht: (2024)

One Prompt Word is Enough to Boost Adversarial Robustness for Pre-trained Vision-Language Models
von: Li, Lin, et al.
Veröffentlicht: (2024)

Contrasting with Symile: Simple Model-Agnostic Representation Learning for Unlimited Modalities
von: Saporta, Adriel, et al.
Veröffentlicht: (2024)

Guiding Diffusion-based Reconstruction with Contrastive Signals for Balanced Visual Representation
von: Han, Boyu, et al.
Veröffentlicht: (2026)

Dataset Distillation for Pre-Trained Self-Supervised Vision Models
von: Cazenavette, George, et al.
Veröffentlicht: (2025)

Incremental Learning with Repetition via Pseudo-Feature Projection
von: Tscheschner, Benedikt, et al.
Veröffentlicht: (2025)

X-Ego: Acquiring Team-Level Tactical Situational Awareness via Cross-Egocentric Contrastive Video Representation Learning
von: Wang, Yunzhe, et al.
Veröffentlicht: (2025)

Not All Attention Heads Are What You Need: Refining CLIP's Image Representation with Attention Ablation
von: Lin, Feng, et al.
Veröffentlicht: (2025)

Non-negative Contrastive Learning
von: Wang, Yifei, et al.
Veröffentlicht: (2024)

Metadata-Aligned 3D MRI Representations for Contrast Understanding and Quality Control
von: Avci, Mehmet Yigit, et al.
Veröffentlicht: (2025)

Enhancing Financial VQA in Vision Language Models using Intermediate Structured Representations
von: Srivastava, Archita, et al.
Veröffentlicht: (2025)

Bridging Diversity and Uncertainty in Active learning with Self-Supervised Pre-Training
von: Doucet, Paul, et al.
Veröffentlicht: (2024)

MoRE: Multi-Modal Contrastive Pre-training with Transformers on X-Rays, ECGs, and Diagnostic Report
von: Thapa, Samrajya, et al.
Veröffentlicht: (2024)

Freeze the backbones: A Parameter-Efficient Contrastive Approach to Robust Medical Vision-Language Pre-training
von: Qin, Jiuming, et al.
Veröffentlicht: (2024)