:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhou, Muxin, Yin, Zeyuan, Shao, Shitong, Shen, Zhiqiang
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	https://arxiv.org/abs/2404.07976
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Generalized Large-Scale Data Condensation via Various Backbone and Statistical Matching
von: Shao, Shitong, et al.
Veröffentlicht: (2023)

DELT: A Simple Diversity-driven EarlyLate Training for Dataset Distillation
von: Shen, Zhiqiang, et al.
Veröffentlicht: (2024)

Dataset Distillation via Curriculum Data Synthesis in Large Data Era
von: Yin, Zeyuan, et al.
Veröffentlicht: (2023)

Elucidating the Design Space of Dataset Condensation
von: Shao, Shitong, et al.
Veröffentlicht: (2024)

Squeeze, Recover and Relabel: Dataset Condensation at ImageNet Scale From A New Perspective
von: Yin, Zeyuan, et al.
Veröffentlicht: (2023)

All You Need in Knowledge Distillation Is a Tailored Coordinate System
von: Zhou, Junjie, et al.
Veröffentlicht: (2024)

[MASK] is All You Need
von: Hu, Vincent Tao, et al.
Veröffentlicht: (2024)

Rethinking Deep Clustering Paradigms: Self-Supervision Is All You Need
von: Shaheena, Amal, et al.
Veröffentlicht: (2025)

Zoom and Shift are All You Need
von: Qin, Jiahao
Veröffentlicht: (2024)

Dataset Distillation via Committee Voting
von: Cui, Jiacheng, et al.
Veröffentlicht: (2025)

Ideal Registration? Segmentation is All You Need
von: Chen, Xiang, et al.
Veröffentlicht: (2025)

Memory augment is All You Need for image restoration
von: Zhang, Xiao Feng, et al.
Veröffentlicht: (2023)

FineVision: Open Data Is All You Need
von: Wiedmann, Luis, et al.
Veröffentlicht: (2025)

FADRM: Fast and Accurate Data Residual Matching for Dataset Distillation
von: Cui, Jiacheng, et al.
Veröffentlicht: (2025)

OD3: Optimization-free Dataset Distillation for Object Detection
von: Khatib, Salwa K. Al, et al.
Veröffentlicht: (2025)

Camouflaged Image Synthesis Is All You Need to Boost Camouflaged Detection
von: Zhang, Haichao, et al.
Veröffentlicht: (2023)

GeoDM: Geometry-aware Distribution Matching for Dataset Distillation
von: Li, Xuhui, et al.
Veröffentlicht: (2025)

Catch-Up Distillation: You Only Need to Train Once for Accelerating Sampling
von: Shao, Shitong, et al.
Veröffentlicht: (2023)

Image is All You Need to Empower Large-scale Diffusion Models for In-Domain Generation
von: Cao, Pu, et al.
Veröffentlicht: (2023)

Taxes Are All You Need: Integration of Taxonomical Hierarchy Relationships into the Contrastive Loss
von: Kokilepersaud, Kiran, et al.
Veröffentlicht: (2024)

CLIP is All You Need for Human-like Semantic Representations in Stable Diffusion
von: Braunstein, Cameron, et al.
Veröffentlicht: (2025)

Boosting Domain Incremental Learning: Selecting the Optimal Parameters is All You Need
von: Wang, Qiang, et al.
Veröffentlicht: (2025)

Anatomy Might Be All You Need: Forecasting What to Do During Surgery
von: Sarwin, Gary, et al.
Veröffentlicht: (2025)

Oasis: One Image is All You Need for Multimodal Instruction Data Synthesis
von: Zhang, Letian, et al.
Veröffentlicht: (2025)

IV-Mixed Sampler: Leveraging Image Diffusion Models for Enhanced Video Synthesis
von: Shao, Shitong, et al.
Veröffentlicht: (2024)

Grounding is All You Need? Dual Temporal Grounding for Video Dialog
von: Qin, You, et al.
Veröffentlicht: (2024)

Learning from Pattern Completion: Self-supervised Controllable Generation
von: Chen, Zhiqiang, et al.
Veröffentlicht: (2024)

OMGSR: You Only Need One Mid-timestep Guidance for Real-World Image Super-Resolution
von: Wu, Zhiqiang, et al.
Veröffentlicht: (2025)

Is Hyperbolic Space All You Need for Medical Anomaly Detection?
von: Gonzalez-Jimenez, Alvaro, et al.
Veröffentlicht: (2025)

Text is All You Need for Vision-Language Model Jailbreaking
von: Chen, Yihang, et al.
Veröffentlicht: (2026)

Fast Wrong-way Cycling Detection in CCTV Videos: Sparse Sampling is All You Need
von: Xu, Jing, et al.
Veröffentlicht: (2024)

Text-Guided Attention is All You Need for Zero-Shot Robustness in Vision-Language Models
von: Yu, Lu, et al.
Veröffentlicht: (2024)

Off-The-Shelf Image-to-Image Models Are All You Need To Defeat Image Protection Schemes
von: Pleimling, Xavier, et al.
Veröffentlicht: (2026)

You Don't Need All That Attention: Surgical Memorization Mitigation in Text-to-Image Diffusion Models
von: Zhao, Kairan, et al.
Veröffentlicht: (2026)

FocusDD: Real-World Scene Infusion for Robust Dataset Distillation
von: Hu, Youbing, et al.
Veröffentlicht: (2025)

Not All Samples Should Be Utilized Equally: Towards Understanding and Improving Dataset Distillation
von: Wang, Shaobo, et al.
Veröffentlicht: (2024)

Generative Dataset Distillation Based on Self-knowledge Distillation
von: Li, Longzhen, et al.
Veröffentlicht: (2025)

Compositional Generative Modeling: A Single Model is Not All You Need
von: Du, Yilun, et al.
Veröffentlicht: (2024)

Two Steps Are All You Need: Efficient 3D Point Cloud Anomaly Detection with Consistency Models
von: A, Pranav, et al.
Veröffentlicht: (2026)

FerKD: Surgical Label Adaptation for Efficient Distillation
von: Shen, Zhiqiang
Veröffentlicht: (2023)