Vision Transformer with Sparse Scan Prior
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Zhang, Yuguang, Fan, Qihang, Huang, Huaibo |
|---|---|
| Format: | Preprint |
| Publié: |
2024
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Advancing Vision Transformer with Enhanced Spatial Priors
par: Fan, Qihang, et autres
Publié: (2026)
par: Fan, Qihang, et autres
Publié: (2026)
Lightweight Vision Transformer with Bidirectional Interaction
par: Fan, Qihang, et autres
Publié: (2023)
par: Fan, Qihang, et autres
Publié: (2023)
RMT: Retentive Networks Meet Vision Transformers
par: Fan, Qihang, et autres
Publié: (2023)
par: Fan, Qihang, et autres
Publié: (2023)
Random Wins All: Rethinking Grouping Strategies for Vision Tokens
par: Fan, Qihang, et autres
Publié: (2026)
par: Fan, Qihang, et autres
Publié: (2026)
Semantic Equitable Clustering: A Simple and Effective Strategy for Clustering Vision Tokens
par: Fan, Qihang, et autres
Publié: (2024)
par: Fan, Qihang, et autres
Publié: (2024)
Breaking the Low-Rank Dilemma of Linear Attention
par: Fan, Qihang, et autres
Publié: (2024)
par: Fan, Qihang, et autres
Publié: (2024)
ViTAR: Vision Transformer with Any Resolution
par: Fan, Qihang, et autres
Publié: (2024)
par: Fan, Qihang, et autres
Publié: (2024)
Rectifying Magnitude Neglect in Linear Attention
par: Fan, Qihang, et autres
Publié: (2025)
par: Fan, Qihang, et autres
Publié: (2025)
Breaking Complexity Barriers: High-Resolution Image Restoration with Rank Enhanced Linear Attention
par: Ai, Yuang, et autres
Publié: (2025)
par: Ai, Yuang, et autres
Publié: (2025)
Vision Transformer with Super Token Sampling
par: Huang, Huaibo, et autres
Publié: (2022)
par: Huang, Huaibo, et autres
Publié: (2022)
DiCo: Revitalizing ConvNets for Scalable and Efficient Diffusion Modeling
par: Ai, Yuang, et autres
Publié: (2025)
par: Ai, Yuang, et autres
Publié: (2025)
Expand and Prune: Maximizing Trajectory Diversity for Effective GRPO in Generative Models
par: Ge, Shiran, et autres
Publié: (2025)
par: Ge, Shiran, et autres
Publié: (2025)
Unlocking the Potential of Difficulty Prior in RL-based Multimodal Reasoning
par: Chen, Mingrui, et autres
Publié: (2025)
par: Chen, Mingrui, et autres
Publié: (2025)
Uncertainty-Aware Source-Free Adaptive Image Super-Resolution with Wavelet Augmentation Transformer
par: Ai, Yuang, et autres
Publié: (2023)
par: Ai, Yuang, et autres
Publié: (2023)
Straighter Flow Matching via a Diffusion-Based Coupling Prior
par: Xing, Siyu, et autres
Publié: (2023)
par: Xing, Siyu, et autres
Publié: (2023)
PViT: Prior-augmented Vision Transformer for Out-of-distribution Detection
par: Zhang, Tianhao, et autres
Publié: (2024)
par: Zhang, Tianhao, et autres
Publié: (2024)
LoRA-IR: Taming Low-Rank Experts for Efficient All-in-One Image Restoration
par: Ai, Yuang, et autres
Publié: (2024)
par: Ai, Yuang, et autres
Publié: (2024)
DeVAn: Dense Video Annotation for Video-Language Models
par: Liu, Tingkai, et autres
Publié: (2023)
par: Liu, Tingkai, et autres
Publié: (2023)
ProxyTransformation: Preshaping Point Cloud Manifold With Proxy Attention For 3D Visual Grounding
par: Peng, Qihang, et autres
Publié: (2025)
par: Peng, Qihang, et autres
Publié: (2025)
Sparse but not Simpler: A Multi-Level Interpretability Analysis of Vision Transformers
par: Zhang, Siyu
Publié: (2026)
par: Zhang, Siyu
Publié: (2026)
SparseLaneSTP: Leveraging Spatio-Temporal Priors with Sparse Transformers for 3D Lane Detection
par: Pittner, Maximilian, et autres
Publié: (2026)
par: Pittner, Maximilian, et autres
Publié: (2026)
Sparse-Tuning: Adapting Vision Transformers with Efficient Fine-tuning and Inference
par: Liu, Ting, et autres
Publié: (2024)
par: Liu, Ting, et autres
Publié: (2024)
Learning Priors of Human Motion With Vision Transformers
par: Falqueto, Placido, et autres
Publié: (2025)
par: Falqueto, Placido, et autres
Publié: (2025)
ZePo: Zero-Shot Portrait Stylization with Faster Sampling
par: Liu, Jin, et autres
Publié: (2024)
par: Liu, Jin, et autres
Publié: (2024)
NOFT: Test-Time Noise Finetune via Information Bottleneck for Highly Correlated Asset Creation
par: Li, Jia, et autres
Publié: (2025)
par: Li, Jia, et autres
Publié: (2025)
AutoMoT: A Unified Vision-Language-Action Model with Asynchronous Mixture-of-Transformers for End-to-End Autonomous Driving
par: Huang, Wenhui, et autres
Publié: (2026)
par: Huang, Wenhui, et autres
Publié: (2026)
Advancing Structured Priors for Sparse-Voxel Surface Reconstruction
par: Chi, Ting-Hsun, et autres
Publié: (2026)
par: Chi, Ting-Hsun, et autres
Publié: (2026)
InfiMM-WebMath-40B: Advancing Multimodal Pre-Training for Enhanced Mathematical Reasoning
par: Han, Xiaotian, et autres
Publié: (2024)
par: Han, Xiaotian, et autres
Publié: (2024)
Learning Photometric Feature Transform for Free-form Object Scan
par: Feng, Xiang, et autres
Publié: (2023)
par: Feng, Xiang, et autres
Publié: (2023)
On Vision Transformers for Classification Tasks in Side-Scan Sonar Imagery
par: Sheffield, BW, et autres
Publié: (2024)
par: Sheffield, BW, et autres
Publié: (2024)
Jailbreaks on Vision Language Model via Multimodal Reasoning
par: Noheria, Aarush, et autres
Publié: (2026)
par: Noheria, Aarush, et autres
Publié: (2026)
Partial Ring Scan: Revisiting Scan Order in Vision State Space Models
par: Hsieh, Yi-Kuan, et autres
Publié: (2026)
par: Hsieh, Yi-Kuan, et autres
Publié: (2026)
SparseVLM: Visual Token Sparsification for Efficient Vision-Language Model Inference
par: Zhang, Yuan, et autres
Publié: (2024)
par: Zhang, Yuan, et autres
Publié: (2024)
ViTamin: Designing Scalable Vision Models in the Vision-Language Era
par: Chen, Jieneng, et autres
Publié: (2024)
par: Chen, Jieneng, et autres
Publié: (2024)
Evaluate Geometry of Radiance Fields with Low-frequency Color Prior
par: Fang, Qihang, et autres
Publié: (2023)
par: Fang, Qihang, et autres
Publié: (2023)
Multimodal Prompt Perceiver: Empower Adaptiveness, Generalizability and Fidelity for All-in-One Image Restoration
par: Ai, Yuang, et autres
Publié: (2023)
par: Ai, Yuang, et autres
Publié: (2023)
Marmot: Object-Level Self-Correction via Multi-Agent Reasoning
par: Sun, Jiayang, et autres
Publié: (2025)
par: Sun, Jiayang, et autres
Publié: (2025)
Think 360°: Evaluating the Width-centric Reasoning Capability of MLLMs Beyond Depth
par: Chen, Mingrui, et autres
Publié: (2026)
par: Chen, Mingrui, et autres
Publié: (2026)
InfoBFR: Real-World Blind Face Restoration via Information Bottleneck
par: Gao, Nan, et autres
Publié: (2025)
par: Gao, Nan, et autres
Publié: (2025)
Parallel Augmentation and Dual Enhancement for Occluded Person Re-identification
par: Wang, Zi, et autres
Publié: (2022)
par: Wang, Zi, et autres
Publié: (2022)
Documents similaires
-
Advancing Vision Transformer with Enhanced Spatial Priors
par: Fan, Qihang, et autres
Publié: (2026) -
Lightweight Vision Transformer with Bidirectional Interaction
par: Fan, Qihang, et autres
Publié: (2023) -
RMT: Retentive Networks Meet Vision Transformers
par: Fan, Qihang, et autres
Publié: (2023) -
Random Wins All: Rethinking Grouping Strategies for Vision Tokens
par: Fan, Qihang, et autres
Publié: (2026) -
Semantic Equitable Clustering: A Simple and Effective Strategy for Clustering Vision Tokens
par: Fan, Qihang, et autres
Publié: (2024)