:: Library Catalog

Copertina

Salvato in:

Dettagli Bibliografici
Autori principali:	Meng, Ke, Chen, Kai
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Computer Vision and Pattern Recognition Artificial Intelligence
Accesso online:	https://arxiv.org/abs/2406.04820
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Automated Plant Disease and Pest Detection System Using Hybrid Lightweight CNN-MobileViT Models for Diagnosis of Indigenous Crops
di: Gebremedhin, Tekleab G., et al.
Pubblicazione: (2025)

Efficient Few-Shot Learning for Edge AI via Knowledge Distillation on MobileViT
di: Tsuyuki, Shuhei, et al.
Pubblicazione: (2026)

MobilePlantViT: A Mobile-friendly Hybrid ViT for Generalized Plant Disease Image Classification
di: Tonmoy, Moshiur Rahman, et al.
Pubblicazione: (2025)

GoViG: Goal-Conditioned Visual Navigation Instruction Generation via Multimodal Reasoning
di: Wu, Fengyi, et al.
Pubblicazione: (2025)

ViRED: Prediction of Visual Relations in Engineering Drawings
di: Gu, Chao, et al.
Pubblicazione: (2024)

ViPO: Visual Preference Optimization at Scale
di: Li, Ming, et al.
Pubblicazione: (2026)

UnitedVLN: Generalizable Gaussian Splatting for Continuous Vision-Language Navigation
di: Dai, Guangzhao, et al.
Pubblicazione: (2024)

ViSA-Enhanced Aerial VLN: A Visual-Spatial Reasoning Enhanced Framework for Aerial Vision-Language Navigation
di: Tong, Haoyu, et al.
Pubblicazione: (2026)

LaViT: Aligning Latent Visual Thoughts for Multi-modal Reasoning
di: Wu, Linquan, et al.
Pubblicazione: (2026)

MMeViT: Multi-Modal ensemble ViT for Post-Stroke Rehabilitation Action Recognition
di: Kim, Ye-eun, et al.
Pubblicazione: (2025)

Self-Attention through Kernel-Eigen Pair Sparse Variational Gaussian Processes
di: Chen, Yingyi, et al.
Pubblicazione: (2024)

VaViM and VaVAM: Autonomous Driving through Video Generative Modeling
di: Bartoccioni, Florent, et al.
Pubblicazione: (2025)

Quasar-ViT: Hardware-Oriented Quantization-Aware Architecture Search for Vision Transformers
di: Li, Zhengang, et al.
Pubblicazione: (2024)

Purrturbed but Stable: Human-Cat Invariant Representations Across CNNs, ViTs and Self-Supervised ViTs
di: Shah, Arya, et al.
Pubblicazione: (2025)

ViT-Lens: Towards Omni-modal Representations
di: Lei, Weixian, et al.
Pubblicazione: (2023)

MC-ViViT: Multi-branch Classifier-ViViT to detect Mild Cognitive Impairment in older adults using facial videos
di: Sun, Jian, et al.
Pubblicazione: (2023)

Feature-EndoGaussian: Feature Distilled Gaussian Splatting in Surgical Deformable Scene Reconstruction
di: Li, Kai, et al.
Pubblicazione: (2025)

ViSAudio: End-to-End Video-Driven Binaural Spatial Audio Generation
di: Zhang, Mengchen, et al.
Pubblicazione: (2025)

HydraViT: Stacking Heads for a Scalable ViT
di: Haberer, Janek, et al.
Pubblicazione: (2024)

GTP-ViT: Efficient Vision Transformers via Graph-based Token Propagation
di: Xu, Xuwei, et al.
Pubblicazione: (2023)

CLiViS: Unleashing Cognitive Map through Linguistic-Visual Synergy for Embodied Visual Reasoning
di: Li, Kailing, et al.
Pubblicazione: (2025)

Gaussian Grouping: Segment and Edit Anything in 3D Scenes
di: Ye, Mingqiao, et al.
Pubblicazione: (2023)

MobileDenseAttn:A Dual-Stream Architecture for Accurate and Interpretable Brain Tumor Detection
di: Banik, Shudipta, et al.
Pubblicazione: (2025)

SFMViT: SlowFast Meet ViT in Chaotic World
di: Lin, Jiaying, et al.
Pubblicazione: (2024)

7DGS: Unified Spatial-Temporal-Angular Gaussian Splatting
di: Gao, Zhongpai, et al.
Pubblicazione: (2025)

GI-NAS: Boosting Gradient Inversion Attacks Through Adaptive Neural Architecture Search
di: Yu, Wenbo, et al.
Pubblicazione: (2024)

OmniPatch: A Universal Adversarial Patch for ViT-CNN Cross-Architecture Transfer in Semantic Segmentation
di: Aggarwal, Aarush, et al.
Pubblicazione: (2026)

6DGS: Enhanced Direction-Aware Gaussian Splatting for Volumetric Rendering
di: Gao, Zhongpai, et al.
Pubblicazione: (2024)

Enhancing Layer Attention Efficiency through Pruning Redundant Retrievals
di: Li, Hanze, et al.
Pubblicazione: (2025)

Walk and Read Less: Improving the Efficiency of Vision-and-Language Navigation via Tuning-Free Multimodal Token Pruning
di: Qin, Wenda, et al.
Pubblicazione: (2025)

Global Intervention and Distillation for Federated Out-of-Distribution Generalization
di: Qi, Zhuang, et al.
Pubblicazione: (2025)

EDIT: Enhancing Vision Transformers by Mitigating Attention Sink through an Encoder-Decoder Architecture
di: Feng, Wenfeng, et al.
Pubblicazione: (2025)

ViLCo-Bench: VIdeo Language COntinual learning Benchmark
di: Tang, Tianqi, et al.
Pubblicazione: (2024)

LoViT: Long Video Transformer for Surgical Phase Recognition
di: Liu, Yang, et al.
Pubblicazione: (2023)

ViLLa: A Neuro-Symbolic approach for Animal Monitoring
di: Koduri, Harsha
Pubblicazione: (2025)

Sub-token ViT Embedding via Stochastic Resonance Transformers
di: Lao, Dong, et al.
Pubblicazione: (2023)

ViCrop-Det: Spatial Attention Entropy Guided Cropping for Training-Free Small-Object Detection
di: Wang, Hui, et al.
Pubblicazione: (2026)

P2DNav: Panorama-to-Downview Reasoning for Zero-shot Vision-and-Language Navigation
di: Sheng, Kai, et al.
Pubblicazione: (2026)

NavOne: One-Step Global Planning for Vision-Language Navigation on Top-Down Maps
di: Zhan, Dijia, et al.
Pubblicazione: (2026)

NavComposer: Composing Language Instructions for Navigation Trajectories through Action-Scene-Object Modularization
di: He, Zongtao, et al.
Pubblicazione: (2025)