Buchumschlag

Rethinking Transformers Pre-training for Multi-Spectral Satellite Imagery

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Noman, Mubashir, Naseer, Muzammal, Cholakkal, Hisham, Anwar, Rao Muhammad, Khan, Salman, Khan, Fahad Shahbaz
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

CDChat: A Large Multimodal Model for Remote Sensing Change Description
von: Noman, Mubashir, et al.
Veröffentlicht: (2024)

ELGC-Net: Efficient Local-Global Context Aggregation for Remote Sensing Change Detection
von: Noman, Mubashir, et al.
Veröffentlicht: (2024)

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

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

Cross-Modal Self-Training: Aligning Images and Pointclouds to Learn Classification without Labels
von: Dharmasiri, Amaya, 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)

DEFT: Decompositional Efficient Fine-Tuning for Text-to-Image Models
von: Kumar, Komal, et al.
Veröffentlicht: (2025)

Enhancing Novel Object Detection via Cooperative Foundational Models
von: Bharadwaj, Rohit, et al.
Veröffentlicht: (2023)

VURF: A General-purpose Reasoning and Self-refinement Framework for Video Understanding
von: Mahmood, Ahmad, et al.
Veröffentlicht: (2024)

VANE-Bench: Video Anomaly Evaluation Benchmark for Conversational LMMs
von: Bharadwaj, Rohit, et al.
Veröffentlicht: (2024)

Tracking Meets Large Multimodal Models for Driving Scenario Understanding
von: Ishaq, Ayesha, et al.
Veröffentlicht: (2025)

AI in Agriculture: A Survey of Deep Learning Techniques for Crops, Fisheries and Livestock
von: Nawaz, Umair, et al.
Veröffentlicht: (2025)

ChangeBind: A Hybrid Change Encoder for Remote Sensing Change Detection
von: Noman, Mubashir, 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)

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

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

Composed Video Retrieval via Enriched Context and Discriminative Embeddings
von: Thawakar, Omkar, et al.
Veröffentlicht: (2024)

Towards Evaluating the Robustness of Visual State Space Models
von: Malik, Hashmat Shadab, et al.
Veröffentlicht: (2024)

MedROV: Towards Real-Time Open-Vocabulary Detection Across Diverse Medical Imaging Modalities
von: Sheikh, Tooba Tehreem, et al.
Veröffentlicht: (2025)

Learnable Weight Initialization for Volumetric Medical Image Segmentation
von: Kunhimon, Shahina, et al.
Veröffentlicht: (2023)

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

Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Grounding
von: Wasim, Syed Talal, et al.
Veröffentlicht: (2023)

Open3DTrack: Towards Open-Vocabulary 3D Multi-Object Tracking
von: Ishaq, Ayesha, et al.
Veröffentlicht: (2024)

CoME-VL: Scaling Complementary Multi-Encoder Vision-Language Learning
von: Deria, Ankan, et al.
Veröffentlicht: (2026)

MedContext: Learning Contextual Cues for Efficient Volumetric Medical Segmentation
von: Gani, Hanan, et al.
Veröffentlicht: (2024)

Robust-LLaVA: On the Effectiveness of Large-Scale Robust Image Encoders for Multi-modal Large Language Models
von: Malik, Hashmat Shadab, et al.
Veröffentlicht: (2025)

Open-YOLO 3D: Towards Fast and Accurate Open-Vocabulary 3D Instance Segmentation
von: Boudjoghra, Mohamed El Amine, et al.
Veröffentlicht: (2024)

TAViS: Text-bridged Audio-Visual Segmentation with Foundation Models
von: Luo, Ziyang, et al.
Veröffentlicht: (2025)

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

Salient Mask-Guided Vision Transformer for Fine-Grained Classification
von: Demidov, Dmitry, et al.
Veröffentlicht: (2023)

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

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

XrayGPT: Chest Radiographs Summarization using Medical Vision-Language Models
von: Thawakar, Omkar, et al.
Veröffentlicht: (2023)

Semi-supervised Open-World Object Detection
von: Mullappilly, Sahal Shaji, et al.
Veröffentlicht: (2024)

EoCD: Encoder only Remote Sensing Change Detection
von: Noman, Mubashir, et al.
Veröffentlicht: (2026)

AIN: The Arabic INclusive Large Multimodal Model
von: Heakl, Ahmed, et al.
Veröffentlicht: (2025)

CONDA: Condensed Deep Association Learning for Co-Salient Object Detection
von: Li, Long, et al.
Veröffentlicht: (2024)

EvoLMM: Self-Evolving Large Multimodal Models with Continuous Rewards
von: Thawakar, Omkar, et al.
Veröffentlicht: (2025)

HyRet-Change: A hybrid retentive network for remote sensing change detection
von: Fiaz, Mustansar, et al.
Veröffentlicht: (2025)

Time Travel: A Comprehensive Benchmark to Evaluate LMMs on Historical and Cultural Artifacts
von: Ghaboura, Sara, et al.
Veröffentlicht: (2025)