Buchumschlag

SOHES: Self-supervised Open-world Hierarchical Entity Segmentation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Cao, Shengcao, Gu, Jiuxiang, Kuen, Jason, Tan, Hao, Zhang, Ruiyi, Zhao, Handong, Nenkova, Ani, Gui, Liang-Yan, Sun, Tong, Wang, Yu-Xiong
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Refer to Any Segmentation Mask Group With Vision-Language Prompts
von: Cao, Shengcao, et al.
Veröffentlicht: (2025)

HASSOD: Hierarchical Adaptive Self-Supervised Object Detection
von: Cao, Shengcao, et al.
Veröffentlicht: (2024)

Emergent Visual Grounding in Large Multimodal Models Without Grounding Supervision
von: Cao, Shengcao, et al.
Veröffentlicht: (2024)

Few-Shot Dialogue Summarization via Skeleton-Assisted Prompt Transfer in Prompt Tuning
von: Xie, Kaige, et al.
Veröffentlicht: (2023)

Customization Assistant for Text-to-image Generation
von: Zhou, Yufan, et al.
Veröffentlicht: (2023)

XQ-GAN: An Open-source Image Tokenization Framework for Autoregressive Generation
von: Li, Xiang, et al.
Veröffentlicht: (2024)

SQLSpace: A Representation Space for Text-to-SQL to Discover and Mitigate Robustness Gaps
von: Srikanth, Neha, et al.
Veröffentlicht: (2025)

TAMM: TriAdapter Multi-Modal Learning for 3D Shape Understanding
von: Zhang, Zhihao, et al.
Veröffentlicht: (2024)

Swiss Army Knife: Synergizing Biases in Knowledge from Vision Foundation Models for Multi-Task Learning
von: Lu, Yuxiang, et al.
Veröffentlicht: (2024)

ImageFolder: Autoregressive Image Generation with Folded Tokens
von: Li, Xiang, et al.
Veröffentlicht: (2024)

SNCE: Geometry-Aware Supervision for Scalable Discrete Image Generation
von: Li, Shufan, et al.
Veröffentlicht: (2026)

SUGAR: Subject-Driven Video Customization in a Zero-Shot Manner
von: Zhou, Yufan, et al.
Veröffentlicht: (2024)

LLaVA-Read: Enhancing Reading Ability of Multimodal Language Models
von: Zhang, Ruiyi, et al.
Veröffentlicht: (2024)

Measuring the inhomogeneous obscuration of agn with mid-infrared observations
von: M. Nenkova
Veröffentlicht: (2007)

More Than the Final Answer: Improving Visual Extraction and Logical Consistency in Vision-Language Models
von: Just, Hoang Anh, et al.
Veröffentlicht: (2025)

Sparse-LaViDa: Sparse Multimodal Discrete Diffusion Language Models
von: Li, Shufan, et al.
Veröffentlicht: (2025)

Lavida-O: Elastic Large Masked Diffusion Models for Unified Multimodal Understanding and Generation
von: Li, Shufan, et al.
Veröffentlicht: (2025)

Automatic Method Illustration Generation for AI Scientific Papers via Drawing Middleware Creation, Evolution, and Orchestration
von: Li, Zhuoling, et al.
Veröffentlicht: (2026)

LLaVAR: Enhanced Visual Instruction Tuning for Text-Rich Image Understanding
von: Zhang, Yanzhe, et al.
Veröffentlicht: (2023)

TRINS: Towards Multimodal Language Models that Can Read
von: Zhang, Ruiyi, et al.
Veröffentlicht: (2024)

ARTIST: Improving the Generation of Text-rich Images with Disentangled Diffusion Models and Large Language Models
von: Zhang, Jianyi, et al.
Veröffentlicht: (2024)

How Much Annotation is Needed to Compare Summarization Models?
von: Shaib, Chantal, et al.
Veröffentlicht: (2024)

DiffGraph: An Automated Agent-driven Model Merging Framework for In-the-Wild Text-to-Image Generation
von: Li, Zhuoling, et al.
Veröffentlicht: (2026)

MMR: Evaluating Reading Ability of Large Multimodal Models
von: Chen, Jian, et al.
Veröffentlicht: (2024)

OASIS: Open-world Adaptive Self-supervised and Imbalanced-aware System
von: Kim, Miru, et al.
Veröffentlicht: (2025)

Self-supervised Video Instance Segmentation Can Boost Geographic Entity Alignment in Historical Maps
von: Xia, Xue, et al.
Veröffentlicht: (2024)

Self-supervised Learning of Dense Hierarchical Representations for Medical Image Segmentation
von: Kats, Eytan, et al.
Veröffentlicht: (2024)

Image Tokenizer Needs Post-Training
von: Qiu, Kai, et al.
Veröffentlicht: (2025)

Robust Latent Matters: Boosting Image Generation with Sampling Error Synthesis
von: Qiu, Kai, et al.
Veröffentlicht: (2025)

SV-RAG: LoRA-Contextualizing Adaptation of MLLMs for Long Document Understanding
von: Chen, Jian, et al.
Veröffentlicht: (2024)

OIDA-QA: A Multimodal Benchmark for Analyzing the Opioid Industry Documents Archive
von: Shen, Xuan, et al.
Veröffentlicht: (2025)

Toffee: Efficient Million-Scale Dataset Construction for Subject-Driven Text-to-Image Generation
von: Zhou, Yufan, et al.
Veröffentlicht: (2024)

LaViDa-R1: Advancing Reasoning for Unified Multimodal Diffusion Language Models
von: Li, Shufan, et al.
Veröffentlicht: (2026)

Self-supervised Hierarchical Representation for Medication Recommendation
von: Liang, Yuliang, et al.
Veröffentlicht: (2024)

A Survey on Self-supervised Learning: Algorithms, Applications, and Future Trends
von: Gui, Jie, et al.
Veröffentlicht: (2023)

Analyzing Local Representations of Self-supervised Vision Transformers
von: Vanyan, Ani, et al.
Veröffentlicht: (2023)

TextLap: Customizing Language Models for Text-to-Layout Planning
von: Chen, Jian, et al.
Veröffentlicht: (2024)

Federated Self-supervised Domain Generalization for Label-efficient Polyp Segmentation
von: Tan, Xinyi, et al.
Veröffentlicht: (2025)

Hierarchical Long Video Understanding with Audiovisual Entity Cohesion and Agentic Search
von: Yin, Xinlei, et al.
Veröffentlicht: (2026)

Learning to Label: A Reinforced Self-Evolving Framework for Semi-supervised Referring Expression Segmentation
von: Cao, Runlong, et al.
Veröffentlicht: (2026)