Buchumschlag

Dynamic Adapter Meets Prompt Tuning: Parameter-Efficient Transfer Learning for Point Cloud Analysis

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhou, Xin, Liang, Dingkang, Xu, Wei, Zhu, Xingkui, Xu, Yihan, Zou, Zhikang, Bai, Xiang
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

PointMamba: A Simple State Space Model for Point Cloud Analysis
von: Liang, Dingkang, et al.
Veröffentlicht: (2024)

Parameter-Efficient Fine-Tuning in Spectral Domain for Point Cloud Learning
von: Liang, Dingkang, et al.
Veröffentlicht: (2024)

PointTPA: Dynamic Network Parameter Adaptation for 3D Scene Understanding
von: Liu, Siyuan, et al.
Veröffentlicht: (2026)

MoE Jetpack: From Dense Checkpoints to Adaptive Mixture of Experts for Vision Tasks
von: Zhu, Xingkui, et al.
Veröffentlicht: (2024)

SOOD++: Leveraging Unlabeled Data to Boost Oriented Object Detection
von: Liang, Dingkang, et al.
Veröffentlicht: (2024)

Conv-Adapter: Exploring Parameter Efficient Transfer Learning for ConvNets
von: Chen, Hao, et al.
Veröffentlicht: (2022)

PMA: Towards Parameter-Efficient Point Cloud Understanding via Point Mamba Adapter
von: Zha, Yaohua, et al.
Veröffentlicht: (2025)

AVS-Net: Point Sampling with Adaptive Voxel Size for 3D Scene Understanding
von: Yang, Hongcheng, et al.
Veröffentlicht: (2024)

F-Adapter: Frequency-Adaptive Parameter-Efficient Fine-Tuning in Scientific Machine Learning
von: Zhang, Hangwei, et al.
Veröffentlicht: (2025)

Parameter-Efficient Fine-Tuning With Adapters
von: Chen, Keyu, et al.
Veröffentlicht: (2024)

SAM3D: Zero-Shot 3D Object Detection via Segment Anything Model
von: Zhang, Dingyuan, et al.
Veröffentlicht: (2023)

A Unified Framework for 3D Scene Understanding
von: Xu, Wei, et al.
Veröffentlicht: (2024)

Cross-Modal Adapter: Parameter-Efficient Transfer Learning Approach for Vision-Language Models
von: Yang, Juncheng, et al.
Veröffentlicht: (2024)

Pear: Pruning and Sharing Adapters in Visual Parameter-Efficient Fine-Tuning
von: Zhong, Yibo, et al.
Veröffentlicht: (2024)

Structure-Learnable Adapter Fine-Tuning for Parameter-Efficient Large Language Models
von: Gong, Ming, et al.
Veröffentlicht: (2025)

ELP-Adapters: Parameter Efficient Adapter Tuning for Various Speech Processing Tasks
von: Inoue, Nakamasa, et al.
Veröffentlicht: (2024)

MEFT: Memory-Efficient Fine-Tuning through Sparse Adapter
von: Hao, Jitai, et al.
Veröffentlicht: (2024)

More Than Generation: Unifying Generation and Depth Estimation via Text-to-Image Diffusion Models
von: Lin, Hongkai, et al.
Veröffentlicht: (2025)

Multimodal Robust Prompt Distillation for 3D Point Cloud Models
von: Gu, Xiang, et al.
Veröffentlicht: (2025)

GAPrompt: Geometry-Aware Point Cloud Prompt for 3D Vision Model
von: Ai, Zixiang, et al.
Veröffentlicht: (2025)

Mixture of Physical Priors Adapter for Parameter-Efficient Fine-Tuning
von: Wang, Zhaozhi, et al.
Veröffentlicht: (2024)

Semantic Hierarchical Prompt Tuning for Parameter-Efficient Fine-Tuning
von: Zhu, Haowei, et al.
Veröffentlicht: (2024)

Continual Adapter Tuning with Semantic Shift Compensation for Class-Incremental Learning
von: Zhou, Qinhao, et al.
Veröffentlicht: (2024)

Hadamard Adapter: An Extreme Parameter-Efficient Adapter Tuning Method for Pre-trained Language Models
von: Chen, Yuyan, et al.
Veröffentlicht: (2024)

Delving into Parameter-Efficient Fine-Tuning in Code Change Learning: An Empirical Study
von: Liu, Shuo, et al.
Veröffentlicht: (2024)

UniPT: Universal Parallel Tuning for Transfer Learning with Efficient Parameter and Memory
von: Diao, Haiwen, et al.
Veröffentlicht: (2023)

Adaptive Point-Prompt Tuning: Fine-Tuning Heterogeneous Foundation Models for 3D Point Cloud Analysis
von: Li, Mengke, et al.
Veröffentlicht: (2025)

Parameter-efficient Prompt Learning for 3D Point Cloud Understanding
von: Sun, Hongyu, et al.
Veröffentlicht: (2024)

Point Cloud Quantization through Multimodal Prompting for 3D Understanding
von: Li, Hongxuan, et al.
Veröffentlicht: (2025)

Out of Sight but Not Out of Mind: Hybrid Memory for Dynamic Video World Models
von: Chen, Kaijin, et al.
Veröffentlicht: (2026)

Efficient Point Transformer with Dynamic Token Aggregating for LiDAR Point Cloud Processing
von: Lu, Dening, et al.
Veröffentlicht: (2024)

Graph Adapter of EEG Foundation Models for Parameter Efficient Fine Tuning
von: Suzumura, Toyotaro, et al.
Veröffentlicht: (2024)

SMoA: Spectrum Modulation Adapter for Parameter-Efficient Fine-Tuning
von: Liu, Yongkang, et al.
Veröffentlicht: (2026)

GFT: Graph Feature Tuning for Efficient Point Cloud Analysis
von: Dhakal, Manish, et al.
Veröffentlicht: (2025)

PANDA: Prompt Transfer Meets Knowledge Distillation for Efficient Model Adaptation
von: Zhong, Qihuang, et al.
Veröffentlicht: (2022)

UPP: Unified Point-Level Prompting for Robust Point Cloud Analysis
von: Ai, Zixiang, et al.
Veröffentlicht: (2025)

Positional Prompt Tuning for Efficient 3D Representation Learning
von: Zhang, Shaochen, et al.
Veröffentlicht: (2024)

MoSA: Mixture of Sparse Adapters for Visual Efficient Tuning
von: Zhang, Qizhe, et al.
Veröffentlicht: (2023)

Federated Learning of Large Language Models with Parameter-Efficient Prompt Tuning and Adaptive Optimization
von: Che, Tianshi, et al.
Veröffentlicht: (2023)

TransFR: Transferable Federated Recommendation with Adapter Tuning on Pre-trained Language Models
von: Zhang, Honglei, et al.
Veröffentlicht: (2024)