Buchumschlag

Distributionally Robust Alignment for Medical Federated Vision-Language Pre-training Under Data Heterogeneity

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Shuai, Zitao, Wu, Chenwei, Tang, Zhengxu, Shen, Liyue
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Computation and Language Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Latent Space Disentanglement in Diffusion Transformers Enables Precise Zero-shot Semantic Editing
von: Shuai, Zitao, et al.
Veröffentlicht: (2024)

Latent Space Disentanglement in Diffusion Transformers Enables Zero-shot Fine-grained Semantic Editing
von: Shuai, Zitao, et al.
Veröffentlicht: (2024)

Efficient In-Context Medical Segmentation with Meta-driven Visual Prompt Selection
von: Wu, Chenwei, et al.
Veröffentlicht: (2024)

Anatomical Structure-Guided Medical Vision-Language Pre-training
von: Li, Qingqiu, et al.
Veröffentlicht: (2024)

Pseudo-Prompt Generating in Pre-trained Vision-Language Models for Multi-Label Medical Image Classification
von: Ye, Yaoqin, et al.
Veröffentlicht: (2024)

VLP: A Survey on Vision-Language Pre-training
von: Chen, Feilong, et al.
Veröffentlicht: (2022)

Uni-Mlip: Unified Self-supervision for Medical Vision Language Pre-training
von: Bawazir, Ameera, et al.
Veröffentlicht: (2024)

MuDPT: Multi-modal Deep-symphysis Prompt Tuning for Large Pre-trained Vision-Language Models
von: Miao, Yongzhu, et al.
Veröffentlicht: (2023)

Leveraging Vision-Language Pre-training for Human Activity Recognition in Still Images
von: Mahanta, Cristina, et al.
Veröffentlicht: (2025)

GeoX: Geometric Problem Solving Through Unified Formalized Vision-Language Pre-training
von: Xia, Renqiu, et al.
Veröffentlicht: (2024)

An Explainable Biomedical Foundation Model via Large-Scale Concept-Enhanced Vision-Language Pre-training
von: Nie, Yuxiang, et al.
Veröffentlicht: (2025)

HSCR: Hierarchical Self-Contrastive Rewarding for Aligning Medical Vision Language Models
von: Jiang, Songtao, et al.
Veröffentlicht: (2025)

Superpixel Semantics Representation and Pre-training for Vision-Language Task
von: Zhang, Siyu, et al.
Veröffentlicht: (2023)

EVE: Efficient Vision-Language Pre-training with Masked Prediction and Modality-Aware MoE
von: Chen, Junyi, et al.
Veröffentlicht: (2023)

Compensating Distribution Drifts in Class-incremental Learning of Pre-trained Vision Transformers
von: Rao, Xuan, et al.
Veröffentlicht: (2025)

How Vision-Language Tasks Benefit from Large Pre-trained Models: A Survey
von: Qi, Yayun, et al.
Veröffentlicht: (2024)

HiMo-CLIP: Modeling Semantic Hierarchy and Monotonicity in Vision-Language Alignment
von: Wu, Ruijia, et al.
Veröffentlicht: (2025)

ZALM3: Zero-Shot Enhancement of Vision-Language Alignment via In-Context Information in Multi-Turn Multimodal Medical Dialogue
von: Li, Zhangpu, et al.
Veröffentlicht: (2024)

LLM-driven Medical Report Generation via Communication-efficient Heterogeneous Federated Learning
von: Che, Haoxuan, et al.
Veröffentlicht: (2025)

TiMix: Text-aware Image Mixing for Effective Vision-Language Pre-training
von: Jiang, Chaoya, et al.
Veröffentlicht: (2023)

DAIT: Distillation from Vision-Language Models to Lightweight Classifiers with Adaptive Intermediate Teacher Transfer
von: He, Zhengxu, et al.
Veröffentlicht: (2026)

Integrating Chain-of-Thought for Multimodal Alignment: A Study on 3D Vision-Language Learning
von: Chen, Yanjun, et al.
Veröffentlicht: (2025)

AlignMMBench: Evaluating Chinese Multimodal Alignment in Large Vision-Language Models
von: Wu, Yuhang, et al.
Veröffentlicht: (2024)

MedCLIPSeg: Probabilistic Vision-Language Adaptation for Data-Efficient and Generalizable Medical Image Segmentation
von: Koleilat, Taha, et al.
Veröffentlicht: (2026)

Sigma: Semantically Informative Pre-training for Skeleton-based Sign Language Understanding
von: Pu, Muxin, et al.
Veröffentlicht: (2025)

PhenoLIP: Integrating Phenotype Ontology Knowledge into Medical Vision-Language Pretraining
von: Liang, Cheng, et al.
Veröffentlicht: (2026)

SeqBench: Benchmarking Sequential Narrative Generation in Text-to-Video Models
von: Tang, Zhengxu, et al.
Veröffentlicht: (2025)

Robust Pre-Training of Medical Vision-and-Language Models with Domain-Invariant Multi-Modal Masked Reconstruction
von: Filvantorkaman, Melika, et al.
Veröffentlicht: (2026)

Towards Efficient and Robust VQA-NLE Data Generation with Large Vision-Language Models
von: Irawan, Patrick Amadeus, et al.
Veröffentlicht: (2024)

Layer-wise Alignment: Examining Safety Alignment Across Image Encoder Layers in Vision Language Models
von: Bachu, Saketh, et al.
Veröffentlicht: (2024)

FedMLLM: Federated Fine-tuning MLLM on Multimodal Heterogeneity Data
von: Xu, Binqian, et al.
Veröffentlicht: (2024)

Pre-trained Vision-Language Models Learn Discoverable Visual Concepts
von: Zang, Yuan, et al.
Veröffentlicht: (2024)

COSMOS: Cross-Modality Self-Distillation for Vision Language Pre-training
von: Kim, Sanghwan, et al.
Veröffentlicht: (2024)

Medical Context Distorts Decisions in Clinical Vision Language Models
von: Restrepo, David, et al.
Veröffentlicht: (2026)

CAST: Cross-modal Alignment Similarity Test for Vision Language Models
von: Dagan, Gautier, et al.
Veröffentlicht: (2024)

Video-LaVIT: Unified Video-Language Pre-training with Decoupled Visual-Motional Tokenization
von: Jin, Yang, et al.
Veröffentlicht: (2024)

Med-UniC: Unifying Cross-Lingual Medical Vision-Language Pre-Training by Diminishing Bias
von: Wan, Zhongwei, et al.
Veröffentlicht: (2023)

Can Medical Vision-Language Pre-training Succeed with Purely Synthetic Data?
von: Liu, Che, et al.
Veröffentlicht: (2024)

ECAMP: Entity-centered Context-aware Medical Vision Language Pre-training
von: Wang, Rongsheng, et al.
Veröffentlicht: (2023)

NEVLP: Noise-Robust Framework for Efficient Vision-Language Pre-training
von: Tao, Yiyi, et al.
Veröffentlicht: (2024)