Buchumschlag

VLSM-Adapter: Finetuning Vision-Language Segmentation Efficiently with Lightweight Blocks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Dhakal, Manish, Adhikari, Rabin, Thapaliya, Safal, Khanal, Bishesh
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence Computation and Language Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

TuneVLSeg: Prompt Tuning Benchmark for Vision-Language Segmentation Models
von: Adhikari, Rabin, et al.
Veröffentlicht: (2024)

Exploring Transfer Learning in Medical Image Segmentation using Vision-Language Models
von: Poudel, Kanchan, et al.
Veröffentlicht: (2023)

TaxaBind: A Unified Embedding Space for Ecological Applications
von: Sastry, Srikumar, et al.
Veröffentlicht: (2024)

Cross-Modal Adapter for Vision-Language Retrieval
von: Jiang, Haojun, et al.
Veröffentlicht: (2022)

Parameter-Efficient Orthogonal Finetuning via Butterfly Factorization
von: Liu, Weiyang, et al.
Veröffentlicht: (2023)

Index-Preserving Lightweight Token Pruning for Efficient Document Understanding in Vision-Language Models
von: Son, Jaemin, et al.
Veröffentlicht: (2025)

Back to the Barn with LLAMAs: Evolving Pretrained LLM Backbones in Finetuning Vision Language Models
von: Horawalavithana, Sameera, et al.
Veröffentlicht: (2026)

LLaMA-Adapter: Efficient Fine-tuning of Language Models with Zero-init Attention
von: Zhang, Renrui, et al.
Veröffentlicht: (2023)

Orthogonal Finetuning Made Scalable
von: Qiu, Zeju, et al.
Veröffentlicht: (2025)

Imperfect Vision Encoders: Efficient and Robust Tuning for Vision-Language Models
von: Panos, Aristeidis, et al.
Veröffentlicht: (2024)

Leaf Angle Estimation using Mask R-CNN and LETR Vision Transformer
von: Margapuri, Venkat, et al.
Veröffentlicht: (2024)

VisionThink: Smart and Efficient Vision Language Model via Reinforcement Learning
von: Yang, Senqiao, et al.
Veröffentlicht: (2025)

AdaptVision: Efficient Vision-Language Models via Adaptive Visual Acquisition
von: Lin, Zichuan, et al.
Veröffentlicht: (2025)

Efficient Architectures for High Resolution Vision-Language Models
von: Carvalho, Miguel, et al.
Veröffentlicht: (2025)

Deep-learning Assisted Detection and Quantification of (oo)cysts of Giardia and Cryptosporidium on Smartphone Microscopy Images
von: Nakarmi, Suprim, et al.
Veröffentlicht: (2023)

ERGO: Efficient High-Resolution Visual Understanding for Vision-Language Models
von: Lee, Jewon, et al.
Veröffentlicht: (2025)

MoLEx: Mixture of Layer Experts for Finetuning with Sparse Upcycling
von: Teo, Rachel S. Y., et al.
Veröffentlicht: (2025)

Semantic-Clipping: Efficient Vision-Language Modeling with Semantic-Guidedd Visual Selection
von: Li, Bangzheng, et al.
Veröffentlicht: (2025)

VLCD: Vision-Language Contrastive Distillation for Accurate and Efficient Automatic Placenta Analysis
von: Mehta, Manas, et al.
Veröffentlicht: (2025)

Multi-Modal Adapter for Vision-Language Models
von: Seputis, Dominykas, et al.
Veröffentlicht: (2024)

LLM-CXR: Instruction-Finetuned LLM for CXR Image Understanding and Generation
von: Lee, Suhyeon, et al.
Veröffentlicht: (2023)

PARCEL: Pool-Anchored Resampling with Conditioned Elastic Queries for Efficient Vision-Language Understanding
von: Kuzucu, Selim, et al.
Veröffentlicht: (2026)

DAM: Dynamic Adapter Merging for Continual Video QA Learning
von: Cheng, Feng, et al.
Veröffentlicht: (2024)

How LoRA Remembers? A Parametric Memory Law for LLM Finetuning
von: Xu, Ziwen, et al.
Veröffentlicht: (2026)

Hyperspectral Adapter for Semantic Segmentation with Vision Foundation Models
von: Hurtado, Juana Valeria, et al.
Veröffentlicht: (2025)

ECoFLaP: Efficient Coarse-to-Fine Layer-Wise Pruning for Vision-Language Models
von: Sung, Yi-Lin, et al.
Veröffentlicht: (2023)

Efficient Contrastive Decoding with Probabilistic Hallucination Detection - Mitigating Hallucinations in Large Vision Language Models -
von: Fieback, Laura, et al.
Veröffentlicht: (2025)

Developing Lightweight DNN Models With Limited Data For Real-Time Sign Language Recognition
von: Nikitin, Nikita, et al.
Veröffentlicht: (2025)

FlashBlock: Attention Caching for Efficient Long-Context Block Diffusion
von: Chen, Zhuokun, et al.
Veröffentlicht: (2026)

VisionZip: Longer is Better but Not Necessary in Vision Language Models
von: Yang, Senqiao, et al.
Veröffentlicht: (2024)

Dynamic-LLaVA: Efficient Multimodal Large Language Models via Dynamic Vision-language Context Sparsification
von: Huang, Wenxuan, et al.
Veröffentlicht: (2024)

Stylus: Automatic Adapter Selection for Diffusion Models
von: Luo, Michael, et al.
Veröffentlicht: (2024)

Beyond Adapter Retrieval: Latent Geometry-Preserving Composition via Sparse Task Projection
von: Jin, Pengfei, et al.
Veröffentlicht: (2024)

Adversarial Robustness Analysis of Vision-Language Models in Medical Image Segmentation
von: Budathoki, Anjila, et al.
Veröffentlicht: (2025)

Vision-Language Model Fine-Tuning via Simple Parameter-Efficient Modification
von: Li, Ming, et al.
Veröffentlicht: (2024)

Lightweight Operations for Visual Speech Recognition
von: Panagos, Iason Ioannis, et al.
Veröffentlicht: (2025)

A Novel Framework for Automated Explain Vision Model Using Vision-Language Models
von: Nguyen, Phu-Vinh, et al.
Veröffentlicht: (2025)

Vision-Language Model Based Handwriting Verification
von: Chauhan, Mihir, et al.
Veröffentlicht: (2024)

Differentiable Prompt Learning for Vision Language Models
von: Huang, Zhenhan, et al.
Veröffentlicht: (2024)

How Culturally Aware are Vision-Language Models?
von: Burda-Lassen, Olena, et al.
Veröffentlicht: (2024)