Copertina

LiFT: A Surprisingly Simple Lightweight Feature Transform for Dense ViT Descriptors

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Suri, Saksham, Walmer, Matthew, Gupta, Kamal, Shrivastava, Abhinav
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Computer Vision and Pattern Recognition
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

UPLiFT: Efficient Pixel-Dense Feature Upsampling with Local Attenders
di: Walmer, Matthew, et al.
Pubblicazione: (2026)

(LiFT) Lightweight Fitness Transformer: A language-vision model for Remote Monitoring of Physical Training
di: Postlmayr, A., et al.
Pubblicazione: (2025)

UVIS: Unsupervised Video Instance Segmentation
di: Huang, Shuaiyi, et al.
Pubblicazione: (2024)

Going Down Memory Lane: Scaling Tokens for Video Stream Understanding with Dynamic KV-Cache Memory
di: Agarwal, Vatsal, et al.
Pubblicazione: (2026)

EAGLES: Efficient Accelerated 3D Gaussians with Lightweight EncodingS
di: Girish, Sharath, et al.
Pubblicazione: (2023)

LiFT: Leveraging Human Feedback for Text-to-Video Model Alignment
di: Wang, Yibin, et al.
Pubblicazione: (2024)

LiFT: Lightweight, FPGA-tailored 3D object detection based on LiDAR data
di: Lis, Konrad, et al.
Pubblicazione: (2025)

Multi-entity Video Transformers for Fine-Grained Video Representation Learning
di: Walmer, Matthew, et al.
Pubblicazione: (2023)

LARP: Tokenizing Videos with a Learned Autoregressive Generative Prior
di: Wang, Hanyu, et al.
Pubblicazione: (2024)

ViT-CoMer: Vision Transformer with Convolutional Multi-scale Feature Interaction for Dense Predictions
di: Xia, Chunlong, et al.
Pubblicazione: (2024)

Trokens: Semantic-Aware Relational Trajectory Tokens for Few-Shot Action Recognition
di: Kumar, Pulkit, et al.
Pubblicazione: (2025)

OSR-ViT: A Simple and Modular Framework for Open-Set Object Detection and Discovery
di: Inkawhich, Matthew, et al.
Pubblicazione: (2024)

LiFT: Lifted Inter-slice Feature Trajectories for 3D Image Generation from 2D Generators
di: Zhang, Xinhe, et al.
Pubblicazione: (2026)

ViT-5: Vision Transformers for The Mid-2020s
di: Wang, Feng, et al.
Pubblicazione: (2026)

ViT-VS: On the Applicability of Pretrained Vision Transformer Features for Generalizable Visual Servoing
di: Scherl, Alessandro, et al.
Pubblicazione: (2025)

ACC-ViT : Atrous Convolution's Comeback in Vision Transformers
di: Ibtehaz, Nabil, et al.
Pubblicazione: (2024)

EA-ViT: Efficient Adaptation for Elastic Vision Transformer
di: Zhu, Chen, et al.
Pubblicazione: (2025)

STRAP-ViT: Segregated Tokens with Randomized -- Transformations for Defense against Adversarial Patches in ViTs
di: Chattopadhyay, Nandish, et al.
Pubblicazione: (2026)

TFS-ViT: Token-Level Feature Stylization for Domain Generalization
di: Noori, Mehrdad, et al.
Pubblicazione: (2023)

ViT-AdaLA: Adapting Vision Transformers with Linear Attention
di: Li, Yifan, et al.
Pubblicazione: (2026)

IML-ViT: Benchmarking Image Manipulation Localization by Vision Transformer
di: Ma, Xiaochen, et al.
Pubblicazione: (2023)

Deeper Inside Deep ViT
di: Hong, Sungrae
Pubblicazione: (2025)

Multimodal Informative ViT: Information Aggregation and Distribution for Hyperspectral and LiDAR Classification
di: Zhang, Jiaqing, et al.
Pubblicazione: (2024)

I&S-ViT: An Inclusive & Stable Method for Pushing the Limit of Post-Training ViTs Quantization
di: Zhong, Yunshan, et al.
Pubblicazione: (2023)

InVi: Object Insertion In Videos Using Off-the-Shelf Diffusion Models
di: Saini, Nirat, et al.
Pubblicazione: (2024)

Efficient Continuous Video Flow Model for Video Prediction
di: Shrivastava, Gaurav, et al.
Pubblicazione: (2024)

RD-ViT: Recurrent-Depth Vision Transformer for Semantic Segmentation with Reduced Data Dependence Extending the Recurrent-Depth Transformer Architecture to Dense Prediction
di: He, Renjie
Pubblicazione: (2026)

Exploiting Lightweight Hierarchical ViT and Dynamic Framework for Efficient Visual Tracking
di: Kang, Ben, et al.
Pubblicazione: (2025)

EdgeCrafter: Compact ViTs for Edge Dense Prediction via Task-Specialized Distillation
di: Liu, Longfei, et al.
Pubblicazione: (2026)

LEIA: Latent View-invariant Embeddings for Implicit 3D Articulation
di: Swaminathan, Archana, et al.
Pubblicazione: (2024)

ViT-FIQA: Assessing Face Image Quality using Vision Transformers
di: Atzori, Andrea, et al.
Pubblicazione: (2025)

MPTQ-ViT: Mixed-Precision Post-Training Quantization for Vision Transformer
di: Tai, Yu-Shan, et al.
Pubblicazione: (2024)

ViT-Explainer: An Interactive Walkthrough of the Vision Transformer Pipeline
di: Hernandez, Juan Manuel, et al.
Pubblicazione: (2026)

LQ-Adapter: ViT-Adapter with Learnable Queries for Gallbladder Cancer Detection from Ultrasound Image
di: Madan, Chetan, et al.
Pubblicazione: (2024)

HIRI-ViT: Scaling Vision Transformer with High Resolution Inputs
di: Yao, Ting, et al.
Pubblicazione: (2024)

VAT: Vision Action Transformer by Unlocking Full Representation of ViT
di: Li, Wenhao, et al.
Pubblicazione: (2025)

RepViT: Revisiting Mobile CNN From ViT Perspective
di: Wang, Ao, et al.
Pubblicazione: (2023)

Language-Unlocked ViT (LUViT): Empowering Self-Supervised Vision Transformers with LLMs
di: Kuzucu, Selim, et al.
Pubblicazione: (2025)

ADFQ-ViT: Activation-Distribution-Friendly Post-Training Quantization for Vision Transformers
di: Jiang, Yanfeng, et al.
Pubblicazione: (2024)

Hyb-KAN ViT: Hybrid Kolmogorov-Arnold Networks Augmented Vision Transformer
di: Dey, Sainath, et al.
Pubblicazione: (2025)