Buchumschlag

Just Shift It: Test-Time Prototype Shifting for Zero-Shot Generalization with Vision-Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sui, Elaine, Wang, Xiaohan, Yeung-Levy, Serena
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

Connect, Collapse, Corrupt: Learning Cross-Modal Tasks with Uni-Modal Data
von: Zhang, Yuhui, et al.
Veröffentlicht: (2024)

Automated Generation of Challenging Multiple-Choice Questions for Vision Language Model Evaluation
von: Zhang, Yuhui, et al.
Veröffentlicht: (2025)

Test-Time Spectrum-Aware Latent Steering for Zero-Shot Generalization in Vision-Language Models
von: Dafnis, Konstantinos M., et al.
Veröffentlicht: (2025)

Ask, Pose, Unite: Scaling Data Acquisition for Close Interactions with Vision Language Models
von: Bravo-Sánchez, Laura, et al.
Veröffentlicht: (2024)

Generalized Category Discovery under Domain Shifts: From Vision to Vision-Language Models
von: Wang, Hongjun, et al.
Veröffentlicht: (2026)

Viewpoint Textual Inversion: Discovering Scene Representations and 3D View Control in 2D Diffusion Models
von: Burgess, James, et al.
Veröffentlicht: (2023)

Why are Visually-Grounded Language Models Bad at Image Classification?
von: Zhang, Yuhui, et al.
Veröffentlicht: (2024)

NegVQA: Can Vision Language Models Understand Negation?
von: Zhang, Yuhui, et al.
Veröffentlicht: (2025)

Diverse Prototypical Ensembles Improve Robustness to Subpopulation Shift
von: To, Minh Nguyen Nhat, et al.
Veröffentlicht: (2025)

Label Distribution Shift-Aware Prediction Refinement for Test-Time Adaptation
von: Jang, Minguk, et al.
Veröffentlicht: (2024)

A Comprehensive Survey on Test-Time Adaptation under Distribution Shifts
von: Liang, Jian, et al.
Veröffentlicht: (2023)

Video Action Differencing
von: Burgess, James, et al.
Veröffentlicht: (2025)

AutoCLIP: Auto-tuning Zero-Shot Classifiers for Vision-Language Models
von: Metzen, Jan Hendrik, et al.
Veröffentlicht: (2023)

Zero-shot Action Localization via the Confidence of Large Vision-Language Models
von: Aklilu, Josiah, et al.
Veröffentlicht: (2024)

Temporal Preference Optimization for Long-Form Video Understanding
von: Li, Rui, et al.
Veröffentlicht: (2025)

Intriguing Differences Between Zero-Shot and Systematic Evaluations of Vision-Language Transformer Models
von: Salman, Shaeke, et al.
Veröffentlicht: (2024)

Anomaly-Aware Vision-Language Adapters for Zero-Shot Anomaly Detection
von: Aqeel, Muhammad, et al.
Veröffentlicht: (2026)

MoETTA: Test-Time Adaptation Under Mixed Distribution Shifts with MoE-LayerNorm
von: Fan, Xiao, et al.
Veröffentlicht: (2025)

ChatGPT Encounters Morphing Attack Detection: Zero-Shot MAD with Multi-Modal Large Language Models and General Vision Models
von: Zhang, Haoyu, et al.
Veröffentlicht: (2025)

VisionTS: Visual Masked Autoencoders Are Free-Lunch Zero-Shot Time Series Forecasters
von: Chen, Mouxiang, et al.
Veröffentlicht: (2024)

Doubly Debiased Test-Time Prompt Tuning for Vision-Language Models
von: Song, Fei, et al.
Veröffentlicht: (2025)

Visual Language Models as Zero-Shot Deepfake Detectors
von: Pirogov, Viacheslav
Veröffentlicht: (2025)

A Shift in Perspective on Causality in Domain Generalization
von: Machlanski, Damian, et al.
Veröffentlicht: (2025)

Can Your Generative Model Detect Out-of-Distribution Covariate Shift?
von: Viviers, Christiaan, et al.
Veröffentlicht: (2024)

Zero-Shot Visual Reasoning by Vision-Language Models: Benchmarking and Analysis
von: Nagar, Aishik, et al.
Veröffentlicht: (2024)

Closing the Modality Gap for Mixed Modality Search
von: Li, Binxu, et al.
Veröffentlicht: (2025)

ProtoCLIP: Prototype-Aligned Latent Refinement for Robust Zero-Shot Chest X-Ray Classification
von: Kittler, Florian, et al.
Veröffentlicht: (2026)

Zero-Shot Generalization of Vision-Based RL Without Data Augmentation
von: Batra, Sumeet, et al.
Veröffentlicht: (2024)

RadDiff: Describing Differences in Radiology Image Sets with Natural Language
von: Shen, Xiaoxian, et al.
Veröffentlicht: (2026)

Configuring Data Augmentations to Reduce Variance Shift in Positional Embedding of Vision Transformers
von: Kim, Bum Jun, et al.
Veröffentlicht: (2024)

LipShiFT: A Certifiably Robust Shift-based Vision Transformer
von: Menon, Rohan, et al.
Veröffentlicht: (2025)

ArtifactLens: Hundreds of Labels Are Enough for Artifact Detection with VLMs
von: Burgess, James, et al.
Veröffentlicht: (2026)

Data or Language Supervision: What Makes CLIP Better than DINO?
von: Liu, Yiming, et al.
Veröffentlicht: (2025)

Zero-Shot Action Generalization with Limited Observations
von: Alchihabi, Abdullah, et al.
Veröffentlicht: (2025)

VideoAgent: Long-form Video Understanding with Large Language Model as Agent
von: Wang, Xiaohan, et al.
Veröffentlicht: (2024)

Spurious Feature Eraser: Stabilizing Test-Time Adaptation for Vision-Language Foundation Model
von: Ma, Huan, et al.
Veröffentlicht: (2024)

Language-Driven Anchors for Zero-Shot Adversarial Robustness
von: Li, Xiao, et al.
Veröffentlicht: (2023)

Efficient Few-Shot Learning in Remote Sensing: Fusing Vision and Vision-Language Models
von: Chua, Jia Yun, et al.
Veröffentlicht: (2025)

Weighted Risk Invariance: Domain Generalization under Invariant Feature Shift
von: Wong, Gina, et al.
Veröffentlicht: (2024)

Adaptive Concept Bottleneck for Foundation Models Under Distribution Shifts
von: Choi, Jihye, et al.
Veröffentlicht: (2024)