Copertina

CountCLIP -- [Re] Teaching CLIP to Count to Ten

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Mestha, Harshvardhan, Agrawal, Tejas, Bania, Karan, V, Shreyas, Bhisikar, Yash
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Computer Vision and Pattern Recognition Artificial Intelligence Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

STREAM: A Universal State-Space Model for Sparse Geometric Data
di: Schöne, Mark, et al.
Pubblicazione: (2024)

Multi-Turn Human-LLM Interaction Through the Lens of a Two-Way Intelligibility Protocol
di: Mestha, Harshvardhan, et al.
Pubblicazione: (2024)

Reproducibility Study of CDUL: CLIP-Driven Unsupervised Learning for Multi-Label Image Classification
di: Shah, Manan, et al.
Pubblicazione: (2024)

DiffCLIP: Differential Attention Meets CLIP
di: Hammoud, Hasan Abed Al Kader, et al.
Pubblicazione: (2025)

SynthCLIP: Are We Ready for a Fully Synthetic CLIP Training?
di: Hammoud, Hasan Abed Al Kader, et al.
Pubblicazione: (2024)

VeCLIP: Improving CLIP Training via Visual-enriched Captions
di: Lai, Zhengfeng, et al.
Pubblicazione: (2023)

CLIP Can Understand Depth
di: Kim, Sohee, et al.
Pubblicazione: (2024)

ECOR: Explainable CLIP for Object Recognition
di: Rasekh, Ali, et al.
Pubblicazione: (2024)

Interpreting CLIP with Hierarchical Sparse Autoencoders
di: Zaigrajew, Vladimir, et al.
Pubblicazione: (2025)

Implicit Inversion turns CLIP into a Decoder
di: D'Orazio, Antonio, et al.
Pubblicazione: (2025)

Steering CLIP's vision transformer with sparse autoencoders
di: Joseph, Sonia, et al.
Pubblicazione: (2025)

IDEA: Image Description Enhanced CLIP-Adapter
di: Ye, Zhipeng, et al.
Pubblicazione: (2025)

RankCLIP: Ranking-Consistent Language-Image Pretraining
di: Zhang, Yiming, et al.
Pubblicazione: (2024)

CLIPErase: Efficient Unlearning of Visual-Textual Associations in CLIP
di: Yang, Tianyu, et al.
Pubblicazione: (2024)

WalkCLIP: Multimodal Learning for Urban Walkability Prediction
di: Xiang, Shilong, et al.
Pubblicazione: (2025)

Learning Generalizable Prompt for CLIP with Class Similarity Knowledge
di: Jung, Sehun, et al.
Pubblicazione: (2025)

Memorization In Stable Diffusion Is Unexpectedly Driven by CLIP Embeddings
di: Kim, Bumjun, et al.
Pubblicazione: (2026)

Captured by Captions: On Memorization and its Mitigation in CLIP Models
di: Wang, Wenhao, et al.
Pubblicazione: (2025)

AtGCN: A Graph Convolutional Network For Ataxic Gait Detection
di: Bania, Karan, et al.
Pubblicazione: (2024)

Fine-tuning CLIP Text Encoders with Two-step Paraphrasing
di: Kim, Hyunjae, et al.
Pubblicazione: (2024)

On the Reproducibility of "FairCLIP: Harnessing Fairness in Vision-Language Learning''
di: Bakker, Hua Chang, et al.
Pubblicazione: (2025)

Interpreting CLIP: Insights on the Robustness to ImageNet Distribution Shifts
di: Crabbé, Jonathan, et al.
Pubblicazione: (2023)

A Hard-to-Beat Baseline for Training-free CLIP-based Adaptation
di: Wang, Zhengbo, et al.
Pubblicazione: (2024)

Synergy and Diversity in CLIP: Enhancing Performance Through Adaptive Backbone Ensembling
di: Rodriguez-Opazo, Cristian, et al.
Pubblicazione: (2024)

CLIP with Generative Latent Replay: a Strong Baseline for Incremental Learning
di: Frascaroli, Emanuele, et al.
Pubblicazione: (2024)

Robustness in Both Domains: CLIP Needs a Robust Text Encoder
di: Rocamora, Elias Abad, et al.
Pubblicazione: (2025)

CLIP-Inspector: Model-Level Backdoor Detection for Prompt-Tuned CLIP via OOD Trigger Inversion
di: Jindal, Akshit, et al.
Pubblicazione: (2026)

Can You Count to Nine? A Human Evaluation Benchmark for Counting Limits in Modern Text-to-Video Models
di: Guo, Xuyang, et al.
Pubblicazione: (2025)

Cross the Gap: Exposing the Intra-modal Misalignment in CLIP via Modality Inversion
di: Mistretta, Marco, et al.
Pubblicazione: (2025)

COOkeD: Ensemble-based OOD detection in the era of zero-shot CLIP
di: Humblot-Renaux, Galadrielle, et al.
Pubblicazione: (2025)

GoldiCLIP: The Goldilocks Approach for Balancing Explicit Supervision for Language-Image Pretraining
di: Mohan, Deen Dayal, et al.
Pubblicazione: (2026)

ACD-CLIP: Decoupling Representation and Dynamic Fusion for Zero-Shot Anomaly Detection
di: Ma, Ke, et al.
Pubblicazione: (2025)

AutoCLIP: Auto-tuning Zero-Shot Classifiers for Vision-Language Models
di: Metzen, Jan Hendrik, et al.
Pubblicazione: (2023)

Enhancing CLIP Conceptual Embedding through Knowledge Distillation
di: Kao, Kuei-Chun
Pubblicazione: (2024)

MoDE: CLIP Data Experts via Clustering
di: Ma, Jiawei, et al.
Pubblicazione: (2024)

PerceptionCLIP: Visual Classification by Inferring and Conditioning on Contexts
di: An, Bang, et al.
Pubblicazione: (2023)

Does CLIP's Generalization Performance Mainly Stem from High Train-Test Similarity?
di: Mayilvahanan, Prasanna, et al.
Pubblicazione: (2023)

SeMoBridge: Semantic Modality Bridge for Efficient Few-Shot Adaptation of CLIP
di: Timmermann, Christoph, et al.
Pubblicazione: (2025)

FG-CLIP 2: A Bilingual Fine-grained Vision-Language Alignment Model
di: Xie, Chunyu, et al.
Pubblicazione: (2025)

MobileCLIP2: Improving Multi-Modal Reinforced Training
di: Faghri, Fartash, et al.
Pubblicazione: (2025)