Buchumschlag

Mixed-precision Supernet Training from Vision Foundation Models using Low Rank Adapter

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sakuma, Yuiko, Yoshimura, Masakazu, Otsuka, Junji, Irie, Atsushi, Ohashi, Takeshi
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

LLM as a Tool, Not an Agent: Code-Mined Tree Transformations for Neural Architecture Search
von: Yoshimura, Masakazu, et al.
Veröffentlicht: (2026)

Structuring Open-Ended NAS: Semi-Automated Design Knowledge Structuring with LLMs for Efficient Neural Architecture Search
von: Sakuma, Yuiko, et al.
Veröffentlicht: (2026)

Online Data Curation for Object Detection via Marginal Contributions to Dataset-level Average Precision
von: Sun, Zitang, et al.
Veröffentlicht: (2025)

PQDynamicISP: Dynamically Controlled Image Signal Processor for Any Image Sensors Pursuing Perceptual Quality
von: Yoshimura, Masakazu, et al.
Veröffentlicht: (2024)

SemiISP/SemiIE: Semi-Supervised Image Signal Processor and Image Enhancement Leveraging One-to-Many Mapping sRGB-to-RAW
von: Yoshimura, Masakazu, et al.
Veröffentlicht: (2025)

SF-Mamba: Rethinking State Space Model for Vision
von: Yoshimura, Masakazu, et al.
Veröffentlicht: (2026)

Multi Positive Contrastive Learning with Pose-Consistent Generated Images
von: Inayoshi, Sho, et al.
Veröffentlicht: (2024)

Extreme Compression of Adaptive Neural Images
von: Hoshikawa, Leo, et al.
Veröffentlicht: (2024)

Progressive Supernet Training for Efficient Visual Autoregressive Modeling
von: Chen, Xiaoyue, et al.
Veröffentlicht: (2025)

Subnet-Aware Dynamic Supernet Training for Neural Architecture Search
von: Jeon, Jeimin, et al.
Veröffentlicht: (2025)

AdapterTune: Zero-Initialized Low-Rank Adapters for Frozen Vision Transformers
von: Khazem, Salim
Veröffentlicht: (2026)

LoREnc: Low-Rank Encryption for Securing Foundation Models and LoRA Adapters
von: Ahn, Beomjin, et al.
Veröffentlicht: (2026)

Collaborative Low-Rank Adaptation for Pre-Trained Vision Transformers
von: Liu, Zheng, et al.
Veröffentlicht: (2025)

SpectraDINO: Bridging the Spectral Gap in Vision Foundation Models via Lightweight Adapters
von: Nalcakan, Yagiz, et al.
Veröffentlicht: (2026)

LoRA-TTT: Low-Rank Test-Time Training for Vision-Language Models
von: Kojima, Yuto, et al.
Veröffentlicht: (2025)

Training Neural Networks from Scratch with Parallel Low-Rank Adapters
von: Huh, Minyoung, et al.
Veröffentlicht: (2024)

Low-Rank Knowledge Decomposition for Medical Foundation Models
von: Zhou, Yuhang, et al.
Veröffentlicht: (2024)

RAW-Diffusion: RGB-Guided Diffusion Models for High-Fidelity RAW Image Generation
von: Reinders, Christoph, et al.
Veröffentlicht: (2024)

Exploring Training on Heterogeneous Data with Mixture of Low-rank Adapters
von: Zhou, Yuhang, et al.
Veröffentlicht: (2024)

Revisiting Shape from Polarization in the Era of Vision Foundation Models
von: Li, Chenhao, et al.
Veröffentlicht: (2026)

CLIP-Adapter: Better Vision-Language Models with Feature Adapters
von: Gao, Peng, et al.
Veröffentlicht: (2021)

Face Reconstruction from Face Embeddings using Adapter to a Face Foundation Model
von: Shahreza, Hatef Otroshi, et al.
Veröffentlicht: (2024)

Low-Resource Vision Challenges for Foundation Models
von: Zhang, Yunhua, et al.
Veröffentlicht: (2024)

LoRKD: Low-Rank Knowledge Decomposition for Medical Foundation Models
von: Li, Haolin, et al.
Veröffentlicht: (2024)

Low-Rank Few-Shot Adaptation of Vision-Language Models
von: Zanella, Maxime, et al.
Veröffentlicht: (2024)

Hyperspectral Adapter for Semantic Segmentation with Vision Foundation Models
von: Hurtado, Juana Valeria, et al.
Veröffentlicht: (2025)

Compact Model Training by Low-Rank Projection with Energy Transfer
von: Guo, Kailing, et al.
Veröffentlicht: (2022)

Beyond RGB: Adaptive Parallel Processing for RAW Object Detection
von: Gamrian, Shani, et al.
Veröffentlicht: (2025)

Attention Lattice Adapter: Visual Explanation Generation for Visual Foundation Model
von: Hirano, Shinnosuke, et al.
Veröffentlicht: (2025)

Brain Foundation Models with Hypergraph Dynamic Adapter for Brain Disease Analysis
von: Deng, Zhongying, et al.
Veröffentlicht: (2025)

VA-Adapter: Adapting Ultrasound Foundation Model to Echocardiography Probe Guidance
von: Wang, Teng, et al.
Veröffentlicht: (2025)

T-Gated Adapter: A Lightweight Temporal Adapter for Vision-Language Medical Segmentation
von: Khadka, Pranjal
Veröffentlicht: (2026)

Test-time Alignment-Enhanced Adapter for Vision-Language Models
von: Tong, Baoshun, et al.
Veröffentlicht: (2024)

Dynamical Adapter Fusion: Constructing A Global Adapter for Pre-Trained Model-based Class-Incremental Learning
von: Liu, Ruiqi, et al.
Veröffentlicht: (2026)

MambaPEFT: Exploring Parameter-Efficient Fine-Tuning for Mamba
von: Yoshimura, Masakazu, et al.
Veröffentlicht: (2024)

Towards Training-free Anomaly Detection with Vision and Language Foundation Models
von: Zhang, Jinjin, et al.
Veröffentlicht: (2025)

An Adapter-free Fine-tuning Approach for Tuning 3D Foundation Models
von: Paul, Sneha, et al.
Veröffentlicht: (2026)

Integrating Frequency-Domain Representations with Low-Rank Adaptation in Vision-Language Models
von: Khan, Md Azim, et al.
Veröffentlicht: (2025)

HeGraphAdapter: Tuning Multi-Modal Vision-Language Models with Heterogeneous Graph Adapter
von: Zhao, Yumiao, et al.
Veröffentlicht: (2024)

A Benchmark and Evaluation for Real-World Out-of-Distribution Detection Using Vision-Language Models
von: Noda, Shiho, et al.
Veröffentlicht: (2025)