Real-time Transformer-based Open-Vocabulary Detection with Efficient Fusion Head
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Zhao, Tiancheng, Liu, Peng, He, Xuan, Zhang, Lu, Lee, Kyusong |
|---|---|
| Format: | Preprint |
| Publié: |
2024
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
OmDet: Large-scale vision-language multi-dataset pre-training with multimodal detection network
par: Zhao, Tiancheng, et autres
Publié: (2022)
par: Zhao, Tiancheng, et autres
Publié: (2022)
OmAgent: A Multi-modal Agent Framework for Complex Video Understanding with Task Divide-and-Conquer
par: Zhang, Lu, et autres
Publié: (2024)
par: Zhang, Lu, et autres
Publié: (2024)
OmChat: A Recipe to Train Multimodal Language Models with Strong Long Context and Video Understanding
par: Zhao, Tiancheng, et autres
Publié: (2024)
par: Zhao, Tiancheng, et autres
Publié: (2024)
Preserving Knowledge in Large Language Model with Model-Agnostic Self-Decompression
par: Zhang, Zilun, et autres
Publié: (2024)
par: Zhang, Zilun, et autres
Publié: (2024)
Open-Vocabulary Object Detection via Language Hierarchy
par: Huang, Jiaxing, et autres
Publié: (2024)
par: Huang, Jiaxing, et autres
Publié: (2024)
Open Vocabulary Panoptic Segmentation With Retrieval Augmentation
par: Sadeq, Nafis, et autres
Publié: (2026)
par: Sadeq, Nafis, et autres
Publié: (2026)
An Iterative Feedback Mechanism for Improving Natural Language Class Descriptions in Open-Vocabulary Object Detection
par: Kim, Louis Y., et autres
Publié: (2025)
par: Kim, Louis Y., et autres
Publié: (2025)
Open-Vocabulary Federated Learning with Multimodal Prototyping
par: Zeng, Huimin, et autres
Publié: (2024)
par: Zeng, Huimin, et autres
Publié: (2024)
Open-Vocabulary Video Anomaly Detection
par: Wu, Peng, et autres
Publié: (2023)
par: Wu, Peng, et autres
Publié: (2023)
OV-DEIM: Real-time DETR-Style Open-Vocabulary Object Detection with GridSynthetic Augmentation
par: Wang, Leilei, et autres
Publié: (2026)
par: Wang, Leilei, et autres
Publié: (2026)
Dynamic-DINO: Fine-Grained Mixture of Experts Tuning for Real-time Open-Vocabulary Object Detection
par: Lu, Yehao, et autres
Publié: (2025)
par: Lu, Yehao, et autres
Publié: (2025)
VLM-FO1: Bridging the Gap Between High-Level Reasoning and Fine-Grained Perception in VLMs
par: Liu, Peng, et autres
Publié: (2025)
par: Liu, Peng, et autres
Publié: (2025)
Transferable and Principled Efficiency for Open-Vocabulary Segmentation
par: Xu, Jingxuan, et autres
Publié: (2024)
par: Xu, Jingxuan, et autres
Publié: (2024)
Masked Point-Entity Contrast for Open-Vocabulary 3D Scene Understanding
par: Wang, Yan, et autres
Publié: (2025)
par: Wang, Yan, et autres
Publié: (2025)
RT-OVAD: Real-Time Open-Vocabulary Aerial Object Detection via Image-Text Collaboration
par: Wei, Guoting, et autres
Publié: (2024)
par: Wei, Guoting, et autres
Publié: (2024)
YOLO-World: Real-Time Open-Vocabulary Object Detection
par: Cheng, Tianheng, et autres
Publié: (2024)
par: Cheng, Tianheng, et autres
Publié: (2024)
BoxFusion: Reconstruction-Free Open-Vocabulary 3D Object Detection via Real-Time Multi-View Box Fusion
par: Lan, Yuqing, et autres
Publié: (2025)
par: Lan, Yuqing, et autres
Publié: (2025)
Boosting Open-Vocabulary Object Detection by Handling Background Samples
par: Zeng, Ruizhe, et autres
Publié: (2024)
par: Zeng, Ruizhe, et autres
Publié: (2024)
OVLW-DETR: Open-Vocabulary Light-Weighted Detection Transformer
par: Wang, Yu, et autres
Publié: (2024)
par: Wang, Yu, et autres
Publié: (2024)
AquaFusionNet: Lightweight VisionSensor Fusion Framework for Real-Time Pathogen Detection and Water Quality Anomaly Prediction on Edge Devices
par: Kristanto, Sepyan Purnama, et autres
Publié: (2025)
par: Kristanto, Sepyan Purnama, et autres
Publié: (2025)
Phonological Representation Learning for Isolated Signs Improves Out-of-Vocabulary Generalization
par: Kezar, Lee, et autres
Publié: (2025)
par: Kezar, Lee, et autres
Publié: (2025)
Scene-Graph ViT: End-to-End Open-Vocabulary Visual Relationship Detection
par: Salzmann, Tim, et autres
Publié: (2024)
par: Salzmann, Tim, et autres
Publié: (2024)
O3SLM: Open Weight, Open Data, and Open Vocabulary Sketch-Language Model
par: Gupta, Rishi, et autres
Publié: (2025)
par: Gupta, Rishi, et autres
Publié: (2025)
Open-Vocabulary Camouflaged Object Segmentation
par: Pang, Youwei, et autres
Publié: (2023)
par: Pang, Youwei, et autres
Publié: (2023)
LaPA: Latent Prompt Assist Model For Medical Visual Question Answering
par: Gu, Tiancheng, et autres
Publié: (2024)
par: Gu, Tiancheng, et autres
Publié: (2024)
Open-Vocabulary Object Detection via Neighboring Region Attention Alignment
par: Qiang, Sunyuan, et autres
Publié: (2024)
par: Qiang, Sunyuan, et autres
Publié: (2024)
HA-FGOVD: Highlighting Fine-grained Attributes via Explicit Linear Composition for Open-Vocabulary Object Detection
par: Ma, Yuqi, et autres
Publié: (2024)
par: Ma, Yuqi, et autres
Publié: (2024)
OV-DINO: Unified Open-Vocabulary Detection with Language-Aware Selective Fusion
par: Wang, Hao, et autres
Publié: (2024)
par: Wang, Hao, et autres
Publié: (2024)
Context-based Motion Retrieval using Open Vocabulary Methods for Autonomous Driving
par: Englmeier, Stefan, et autres
Publié: (2025)
par: Englmeier, Stefan, et autres
Publié: (2025)
DivScene: Towards Open-Vocabulary Object Navigation with Large Vision Language Models in Diverse Scenes
par: Wang, Zhaowei, et autres
Publié: (2024)
par: Wang, Zhaowei, et autres
Publié: (2024)
VLM-R1: A Stable and Generalizable R1-style Large Vision-Language Model
par: Shen, Haozhan, et autres
Publié: (2025)
par: Shen, Haozhan, et autres
Publié: (2025)
Open-Vocabulary Mobile Manipulation Based on Double Relaxed Contrastive Learning with Dense Labeling
par: Yashima, Daichi, et autres
Publié: (2024)
par: Yashima, Daichi, et autres
Publié: (2024)
Parameter-Efficient Semantic Augmentation for Enhancing Open-Vocabulary Object Detection
par: Cao, Weihao, et autres
Publié: (2026)
par: Cao, Weihao, et autres
Publié: (2026)
Similarity Guided Multimodal Fusion Transformer for Semantic Location Prediction in Social Media
par: Zhang, Zhizhen, et autres
Publié: (2024)
par: Zhang, Zhizhen, et autres
Publié: (2024)
Taming Self-Training for Open-Vocabulary Object Detection
par: Zhao, Shiyu, et autres
Publié: (2023)
par: Zhao, Shiyu, et autres
Publié: (2023)
UGen: Unified Autoregressive Multimodal Model with Progressive Vocabulary Learning
par: Tang, Hongxuan, et autres
Publié: (2025)
par: Tang, Hongxuan, et autres
Publié: (2025)
Image Over Text: Transforming Formula Recognition Evaluation with Character Detection Matching
par: Wang, Bin, et autres
Publié: (2024)
par: Wang, Bin, et autres
Publié: (2024)
Transformer based Multitask Learning for Image Captioning and Object Detection
par: Basak, Debolena, et autres
Publié: (2024)
par: Basak, Debolena, et autres
Publié: (2024)
Towards Real-Time Open-Vocabulary Video Instance Segmentation
par: Yan, Bin, et autres
Publié: (2024)
par: Yan, Bin, et autres
Publié: (2024)
Mamba-YOLO-World: Marrying YOLO-World with Mamba for Open-Vocabulary Detection
par: Wang, Haoxuan, et autres
Publié: (2024)
par: Wang, Haoxuan, et autres
Publié: (2024)
Documents similaires
-
OmDet: Large-scale vision-language multi-dataset pre-training with multimodal detection network
par: Zhao, Tiancheng, et autres
Publié: (2022) -
OmAgent: A Multi-modal Agent Framework for Complex Video Understanding with Task Divide-and-Conquer
par: Zhang, Lu, et autres
Publié: (2024) -
OmChat: A Recipe to Train Multimodal Language Models with Strong Long Context and Video Understanding
par: Zhao, Tiancheng, et autres
Publié: (2024) -
Preserving Knowledge in Large Language Model with Model-Agnostic Self-Decompression
par: Zhang, Zilun, et autres
Publié: (2024) -
Open-Vocabulary Object Detection via Language Hierarchy
par: Huang, Jiaxing, et autres
Publié: (2024)