Buchumschlag

Visual Delta Generator with Large Multi-modal Models for Semi-supervised Composed Image Retrieval

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jang, Young Kyun, Kim, Donghyun, Meng, Zihang, Huynh, Dat, Lim, Ser-Nam
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Spherical Linear Interpolation and Text-Anchoring for Zero-shot Composed Image Retrieval
von: Jang, Young Kyun, et al.
Veröffentlicht: (2024)

Distilling Vision-Language Pretraining for Efficient Cross-Modal Retrieval
von: Jang, Young Kyun, et al.
Veröffentlicht: (2024)

Towards Cross-modal Backward-compatible Representation Learning for Vision-Language Models
von: Jang, Young Kyun, et al.
Veröffentlicht: (2024)

Composing Object Relations and Attributes for Image-Text Matching
von: Pham, Khoi, et al.
Veröffentlicht: (2024)

CoVA: Text-Guided Composed Video Retrieval for Audio-Visual Content
von: Han, Gyuwon, et al.
Veröffentlicht: (2026)

MATE: Meet At The Embedding -- Connecting Images with Long Texts
von: Jang, Young Kyun, et al.
Veröffentlicht: (2024)

MA-LMM: Memory-Augmented Large Multimodal Model for Long-Term Video Understanding
von: He, Bo, et al.
Veröffentlicht: (2024)

Towards Chunk-Wise Generation for Long Videos
von: Zhang, Siyang, et al.
Veröffentlicht: (2024)

Composed Multi-modal Retrieval: A Survey of Approaches and Applications
von: Zhang, Kun, et al.
Veröffentlicht: (2025)

Semi-supervised Medical Image Segmentation via Geometry-aware Consistency Training
von: Liu, Zihang, et al.
Veröffentlicht: (2022)

VideoMerge: Towards Training-free Long Video Generation
von: Zhang, Siyang, et al.
Veröffentlicht: (2025)

BOOKAGENT: Orchestrating Safety-Aware Visual Narratives via Multi-Agent Cognitive Calibration
von: Gao, Bo, et al.
Veröffentlicht: (2026)

CoLLM: A Large Language Model for Composed Image Retrieval
von: Huynh, Chuong, et al.
Veröffentlicht: (2025)

What can Off-the-Shelves Large Multi-Modal Models do for Dynamic Scene Graph Generation?
von: Cui, Xuanming, et al.
Veröffentlicht: (2025)

Prompt Augmentation for Self-supervised Text-guided Image Manipulation
von: Bodur, Rumeysa, et al.
Veröffentlicht: (2024)

MCoT-MVS: Multi-level Vision Selection by Multi-modal Chain-of-Thought Reasoning for Composed Image Retrieval
von: Ge, Xuri, et al.
Veröffentlicht: (2026)

FAR-Net: Multi-Stage Fusion Network with Enhanced Semantic Alignment and Adaptive Reconciliation for Composed Image Retrieval
von: Park, Jeong-Woo, et al.
Veröffentlicht: (2025)

Metric Compatible Training for Online Backfilling in Large-Scale Retrieval
von: Seo, Seonguk, et al.
Veröffentlicht: (2023)

Mitigating Dialogue Hallucination for Large Vision Language Models via Adversarial Instruction Tuning
von: Park, Dongmin, et al.
Veröffentlicht: (2024)

Scene Co-pilot: Procedural Text to Video Generation with Human in the Loop
von: Qian, Zhaofang, et al.
Veröffentlicht: (2024)

Bidirectional Likelihood Estimation with Multi-Modal Large Language Models for Text-Video Retrieval
von: Ko, Dohwan, et al.
Veröffentlicht: (2025)

Candidate Set Re-ranking for Composed Image Retrieval with Dual Multi-modal Encoder
von: Liu, Zheyuan, et al.
Veröffentlicht: (2023)

Beyond Generation: Unlocking Universal Editing via Self-Supervised Fine-Tuning
von: Chen, Harold Haodong, et al.
Veröffentlicht: (2024)

MGHanD: Multi-modal Guidance for authentic Hand Diffusion
von: Eum, Taehyeon, et al.
Veröffentlicht: (2025)

HOMIE: Histopathology Omni-modal Embedding for Pathology Composed Retrieval
von: Zhou, Qifeng, et al.
Veröffentlicht: (2025)

Towards Semi-supervised Dual-modal Semantic Segmentation
von: Dong, Qiulei, et al.
Veröffentlicht: (2024)

LARM: Large Auto-Regressive Model for Long-Horizon Embodied Intelligence
von: Li, Zhuoling, et al.
Veröffentlicht: (2024)

Dual Relation Alignment for Composed Image Retrieval
von: Jiang, Xintong, et al.
Veröffentlicht: (2023)

AirSketch: Generative Motion to Sketch
von: Lim, Hui Xian Grace, et al.
Veröffentlicht: (2024)

FSViewFusion: Few-Shots View Generation of Novel Objects
von: Hussain, Rukhshanda, et al.
Veröffentlicht: (2024)

RA-SGG: Retrieval-Augmented Scene Graph Generation Framework via Multi-Prototype Learning
von: Yoon, Kanghoon, et al.
Veröffentlicht: (2024)

Video Decomposition Prior: A Methodology to Decompose Videos into Layers
von: Shrivastava, Gaurav, et al.
Veröffentlicht: (2024)

Difference Inversion: Interpolate and Isolate the Difference with Token Consistency for Image Analogy Generation
von: Kim, Hyunsoo, et al.
Veröffentlicht: (2025)

Arbitrary-Scale Image Generation and Upsampling using Latent Diffusion Model and Implicit Neural Decoder
von: Kim, Jinseok, et al.
Veröffentlicht: (2024)

Data-Efficient Generalization for Zero-shot Composed Image Retrieval
von: Chen, Zining, et al.
Veröffentlicht: (2025)

Instance-Level Composed Image Retrieval
von: Psomas, Bill, et al.
Veröffentlicht: (2025)

Zero Shot Composed Image Retrieval
von: Kakarla, Santhosh, et al.
Veröffentlicht: (2025)

Composed Image Retrieval for Remote Sensing
von: Psomas, Bill, et al.
Veröffentlicht: (2024)

TEMA: Anchor the Image, Follow the Text for Multi-Modification Composed Image Retrieval
von: Li, Zixu, et al.
Veröffentlicht: (2026)

GOAL: Global-local Object Alignment Learning
von: Choi, Hyungyu, et al.
Veröffentlicht: (2025)