Buchumschlag

COCONut: Modernizing COCO Segmentation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Deng, Xueqing, Yu, Qihang, Wang, Peng, Shen, Xiaohui, Chen, Liang-Chieh
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

COCONut-PanCap: Joint Panoptic Segmentation and Grounded Captions for Fine-Grained Understanding and Generation
von: Deng, Xueqing, et al.
Veröffentlicht: (2025)

Randomized Autoregressive Visual Generation
von: Yu, Qihang, et al.
Veröffentlicht: (2024)

A Simple Video Segmenter by Tracking Objects Along Axial Trajectories
von: He, Ju, et al.
Veröffentlicht: (2023)

An Image is Worth 32 Tokens for Reconstruction and Generation
von: Yu, Qihang, et al.
Veröffentlicht: (2024)

MaskBit: Embedding-free Image Generation via Bit Tokens
von: Weber, Mark, et al.
Veröffentlicht: (2024)

ViCaS: A Dataset for Combining Holistic and Pixel-level Video Understanding using Captions with Grounded Segmentation
von: Athar, Ali, et al.
Veröffentlicht: (2024)

ViTamin: Designing Scalable Vision Models in the Vision-Language Era
von: Chen, Jieneng, et al.
Veröffentlicht: (2024)

Alleviating Distortion in Image Generation via Multi-Resolution Diffusion Models and Time-Dependent Layer Normalization
von: Liu, Qihao, et al.
Veröffentlicht: (2024)

FlowAR: Scale-wise Autoregressive Image Generation Meets Flow Matching
von: Ren, Sucheng, et al.
Veröffentlicht: (2024)

Beyond Next-Token: Next-X Prediction for Autoregressive Visual Generation
von: Ren, Sucheng, et al.
Veröffentlicht: (2025)

Frequency-Aware Flow Matching for High-Quality Image Generation
von: Ren, Sucheng, et al.
Veröffentlicht: (2026)

Enhancing Temporal Consistency in Video Editing by Reconstructing Videos with 3D Gaussian Splatting
von: Shin, Inkyu, et al.
Veröffentlicht: (2024)

Democratizing Text-to-Image Masked Generative Models with Compact Text-Aware One-Dimensional Tokens
von: Kim, Dongwon, et al.
Veröffentlicht: (2025)

From COCO to COCO-FP: A Deep Dive into Background False Positives for COCO Detectors
von: Liu, Longfei, et al.
Veröffentlicht: (2024)

FlowTok: Flowing Seamlessly Across Text and Image Tokens
von: He, Ju, et al.
Veröffentlicht: (2025)

1.58-bit FLUX
von: Yang, Chenglin, et al.
Veröffentlicht: (2024)

Stable Diffusion for Data Augmentation in COCO and Weed Datasets
von: Deng, Boyang
Veröffentlicht: (2023)

Grouping First, Attending Smartly: Training-Free Acceleration for Diffusion Transformers
von: Ren, Sucheng, et al.
Veröffentlicht: (2025)

ReVision: Refining Video Diffusion with Explicit 3D Motion Modeling
von: Liu, Qihao, et al.
Veröffentlicht: (2025)

COCO-OLAC: A Benchmark for Occluded Panoptic Segmentation and Image Understanding
von: Wei, Wenbo, et al.
Veröffentlicht: (2024)

Autoregressive Image Generation with Masked Bit Modeling
von: Yu, Qihang, et al.
Veröffentlicht: (2026)

3D-COCO: extension of MS-COCO dataset for image detection and 3D reconstruction modules
von: Bideaux, Maxence, et al.
Veröffentlicht: (2024)

COCO is "ALL'' You Need for Visual Instruction Fine-tuning
von: Han, Xiaotian, et al.
Veröffentlicht: (2024)

A Frame is Worth One Token: Efficient Generative World Modeling with Delta Tokens
von: Kerssies, Tommie, et al.
Veröffentlicht: (2026)

CUS3D :CLIP-based Unsupervised 3D Segmentation via Object-level Denoise
von: Yu, Fuyang, et al.
Veröffentlicht: (2024)

RoCOCO: Robustness Benchmark of MS-COCO to Stress-test Image-Text Matching Models
von: Park, Seulki, et al.
Veröffentlicht: (2023)

Semi-Supervised Multi-Modal Medical Image Segmentation for Complex Situations
von: Meng, Dongdong, et al.
Veröffentlicht: (2025)

CorrespondentDream: Enhancing 3D Fidelity of Text-to-3D using Cross-View Correspondences
von: Kim, Seungwook, et al.
Veröffentlicht: (2024)

Benchmarking Object Detectors with COCO: A New Path Forward
von: Singh, Shweta, et al.
Veröffentlicht: (2024)

ObjVariantEnsemble: Advancing Point Cloud LLM Evaluation in Challenging Scenes with Subtly Distinguished Objects
von: Cao, Qihang, et al.
Veröffentlicht: (2024)

ProxyTransformation: Preshaping Point Cloud Manifold With Proxy Attention For 3D Visual Grounding
von: Peng, Qihang, et al.
Veröffentlicht: (2025)

Multi-Sequence Parotid Gland Lesion Segmentation via Expert Text-Guided Segment Anything Model
von: Wu, Zhongyuan, et al.
Veröffentlicht: (2025)

Full-Duplex Strategy for Video Object Segmentation
von: Ji, Ge-Peng, et al.
Veröffentlicht: (2021)

Shot Segmentation Based on Von Neumann Entropy for Key Frame Extraction
von: Zhang, Xueqing, et al.
Veröffentlicht: (2024)

Learning Feature Inversion for Multi-class Anomaly Detection under General-purpose COCO-AD Benchmark
von: Zhang, Jiangning, et al.
Veröffentlicht: (2024)

COCO-Tree: Compositional Hierarchical Concept Trees for Enhanced Reasoning in Vision Language Models
von: Sinha, Sanchit, et al.
Veröffentlicht: (2025)

ColaVLA: Leveraging Cognitive Latent Reasoning for Hierarchical Parallel Trajectory Planning in Autonomous Driving
von: Peng, Qihang, et al.
Veröffentlicht: (2025)

CmFNet: Cross-modal Fusion Network for Weakly-supervised Segmentation of Medical Images
von: Meng, Dongdong, et al.
Veröffentlicht: (2025)

Deeply Supervised Flow-Based Generative Models
von: Shin, Inkyu, et al.
Veröffentlicht: (2025)

Segment Anything for Video: A Comprehensive Review of Video Object Segmentation and Tracking from Past to Future
von: Xu, Guoping, et al.
Veröffentlicht: (2025)