Learning Visual Prompts for Guiding the Attention of Vision Transformers
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Rezaei, Razieh, Sabet, Masoud Jalili, Gu, Jindong, Rueckert, Daniel, Torr, Philip, Khakzar, Ashkan |
|---|---|
| Format: | Preprint |
| Publié: |
2024
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Latent Guard: a Safety Framework for Text-to-image Generation
par: Liu, Runtao, et autres
Publié: (2024)
par: Liu, Runtao, et autres
Publié: (2024)
How Visual Representations Map to Language Feature Space in Multimodal LLMs
par: Venhoff, Constantin, et autres
Publié: (2025)
par: Venhoff, Constantin, et autres
Publié: (2025)
An Image Is Worth 1000 Lies: Adversarial Transferability across Prompts on Vision-Language Models
par: Luo, Haochen, et autres
Publié: (2024)
par: Luo, Haochen, et autres
Publié: (2024)
Articulate3D: Zero-Shot Text-Driven 3D Object Posing
par: Deb, Oishi, et autres
Publié: (2025)
par: Deb, Oishi, et autres
Publié: (2025)
Hidden in Plain Sight: Evaluating Abstract Shape Recognition in Vision-Language Models
par: Hemmat, Arshia, et autres
Publié: (2024)
par: Hemmat, Arshia, et autres
Publié: (2024)
Learnable Sparsity for Vision Generative Models
par: Zhang, Yang, et autres
Publié: (2024)
par: Zhang, Yang, et autres
Publié: (2024)
True Multimodal In-Context Learning Needs Attention to the Visual Context
par: Chen, Shuo, et autres
Publié: (2025)
par: Chen, Shuo, et autres
Publié: (2025)
AlignGuard: Scalable Safety Alignment for Text-to-Image Generation
par: Liu, Runtao, et autres
Publié: (2024)
par: Liu, Runtao, et autres
Publié: (2024)
A Survey on Transferability of Adversarial Examples across Deep Neural Networks
par: Gu, Jindong, et autres
Publié: (2023)
par: Gu, Jindong, et autres
Publié: (2023)
Influencer Backdoor Attack on Semantic Segmentation
par: Lan, Haoheng, et autres
Publié: (2023)
par: Lan, Haoheng, et autres
Publié: (2023)
Finetune Like You Pretrain: Boosting Zero-shot Adversarial Robustness in Vision-language Models
par: Xing, Songlong, et autres
Publié: (2026)
par: Xing, Songlong, et autres
Publié: (2026)
Towards Understanding Multimodal Fine-Tuning: Spatial Features
par: Naghashyar, Lachin, et autres
Publié: (2026)
par: Naghashyar, Lachin, et autres
Publié: (2026)
Minimalist Concept Erasure in Generative Models
par: Zhang, Yang, et autres
Publié: (2025)
par: Zhang, Yang, et autres
Publié: (2025)
As Firm As Their Foundations: Can open-sourced foundation models be used to create adversarial examples for downstream tasks?
par: Hu, Anjun, et autres
Publié: (2024)
par: Hu, Anjun, et autres
Publié: (2024)
Which Model Generated This Image? A Model-Agnostic Approach for Origin Attribution
par: Liu, Fengyuan, et autres
Publié: (2024)
par: Liu, Fengyuan, et autres
Publié: (2024)
PostAlign: Multimodal Grounding as a Corrective Lens for MLLMs
par: Wu, Yixuan, et autres
Publié: (2025)
par: Wu, Yixuan, et autres
Publié: (2025)
Self-Discovering Interpretable Diffusion Latent Directions for Responsible Text-to-Image Generation
par: Li, Hang, et autres
Publié: (2023)
par: Li, Hang, et autres
Publié: (2023)
Visual Attention Prompted Prediction and Learning
par: Zhang, Yifei, et autres
Publié: (2023)
par: Zhang, Yifei, et autres
Publié: (2023)
DA-VPT: Semantic-Guided Visual Prompt Tuning for Vision Transformers
par: Ren, Li, et autres
Publié: (2025)
par: Ren, Li, et autres
Publié: (2025)
Attention Guided CAM: Visual Explanations of Vision Transformer Guided by Self-Attention
par: Leem, Saebom, et autres
Publié: (2024)
par: Leem, Saebom, et autres
Publié: (2024)
Inducing High Energy-Latency of Large Vision-Language Models with Verbose Images
par: Gao, Kuofeng, et autres
Publié: (2024)
par: Gao, Kuofeng, et autres
Publié: (2024)
Improving Adversarial Transferability via Model Alignment
par: Ma, Avery, et autres
Publié: (2023)
par: Ma, Avery, et autres
Publié: (2023)
Joint Post-Training Quantization of Vision Transformers with Learned Prompt-Guided Data Generation
par: Li, Shile, et autres
Publié: (2026)
par: Li, Shile, et autres
Publié: (2026)
AR as an Evaluation Playground: Bridging Metrics and Visual Perception of Computer Vision Models
par: Ganj, Ashkan, et autres
Publié: (2025)
par: Ganj, Ashkan, et autres
Publié: (2025)
Methods and datasets for segmentation of minimally invasive surgical instruments in endoscopic images and videos: A review of the state of the art
par: Rueckert, Tobias, et autres
Publié: (2023)
par: Rueckert, Tobias, et autres
Publié: (2023)
Token Coordinated Prompt Attention is Needed for Visual Prompting
par: Liu, Zichen, et autres
Publié: (2025)
par: Liu, Zichen, et autres
Publié: (2025)
Vision Transformers: From Semantic Segmentation to Dense Prediction
par: Zhang, Li, et autres
Publié: (2022)
par: Zhang, Li, et autres
Publié: (2022)
Attention to the Burstiness in Visual Prompt Tuning!
par: Wang, Yuzhu, et autres
Publié: (2025)
par: Wang, Yuzhu, et autres
Publié: (2025)
Towards Interpreting Visual Information Processing in Vision-Language Models
par: Neo, Clement, et autres
Publié: (2024)
par: Neo, Clement, et autres
Publié: (2024)
Concept-Guided Prompt Learning for Generalization in Vision-Language Models
par: Zhang, Yi, et autres
Publié: (2024)
par: Zhang, Yi, et autres
Publié: (2024)
PASTA: Vision Transformer Patch Aggregation for Weakly Supervised Target and Anomaly Segmentation
par: Neubauer, Melanie, et autres
Publié: (2026)
par: Neubauer, Melanie, et autres
Publié: (2026)
EditTransfer++: Toward Faithful and Efficient Visual-Prompt-Guided Image Editing
par: Chen, Lan, et autres
Publié: (2026)
par: Chen, Lan, et autres
Publié: (2026)
NeRF-VPT: Learning Novel View Representations with Neural Radiance Fields via View Prompt Tuning
par: Chen, Linsheng, et autres
Publié: (2024)
par: Chen, Linsheng, et autres
Publié: (2024)
Energy-Latency Manipulation of Multi-modal Large Language Models via Verbose Samples
par: Gao, Kuofeng, et autres
Publié: (2024)
par: Gao, Kuofeng, et autres
Publié: (2024)
Representative Attention For Vision Transformers
par: Li, Yuntong, et autres
Publié: (2026)
par: Li, Yuntong, et autres
Publié: (2026)
Vision Transformers with Hierarchical Attention
par: Liu, Yun, et autres
Publié: (2021)
par: Liu, Yun, et autres
Publié: (2021)
Towards Fine-Grained Robustness: Attention-Guided Test-Time Prompt Tuning for Vision-Language Models
par: Hai, Jia-Wei, et autres
Publié: (2026)
par: Hai, Jia-Wei, et autres
Publié: (2026)
Visual Style Prompting with Swapping Self-Attention
par: Jeong, Jaeseok, et autres
Publié: (2024)
par: Jeong, Jaeseok, et autres
Publié: (2024)
Pay Attention to the Atlas: Atlas-Guided Test-Time Adaptation Method for Robust 3D Medical Image Segmentation
par: Guo, Jingjie, et autres
Publié: (2023)
par: Guo, Jingjie, et autres
Publié: (2023)
HEART-VIT: Hessian-Guided Efficient Dynamic Attention and Token Pruning in Vision Transformer
par: Uddin, Mohammad Helal, et autres
Publié: (2025)
par: Uddin, Mohammad Helal, et autres
Publié: (2025)
Documents similaires
-
Latent Guard: a Safety Framework for Text-to-image Generation
par: Liu, Runtao, et autres
Publié: (2024) -
How Visual Representations Map to Language Feature Space in Multimodal LLMs
par: Venhoff, Constantin, et autres
Publié: (2025) -
An Image Is Worth 1000 Lies: Adversarial Transferability across Prompts on Vision-Language Models
par: Luo, Haochen, et autres
Publié: (2024) -
Articulate3D: Zero-Shot Text-Driven 3D Object Posing
par: Deb, Oishi, et autres
Publié: (2025) -
Hidden in Plain Sight: Evaluating Abstract Shape Recognition in Vision-Language Models
par: Hemmat, Arshia, et autres
Publié: (2024)