Buchumschlag

Set-CLIP: Exploring Aligned Semantic From Low-Alignment Multimodal Data Through A Distribution View

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Song, Zijia, Zang, Zelin, Wang, Yelin, Yang, Guozheng, yu, Kaicheng, Chen, Wanyu, Wang, Miaoyu, Li, Stan Z.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence Computation and Language Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Web-Scale Multimodal Summarization using CLIP-Based Semantic Alignment
von: K, Mounvik, et al.
Veröffentlicht: (2026)

CLIPin: A Non-contrastive Plug-in to CLIP for Multimodal Semantic Alignment
von: Yang, Shengzhu, et al.
Veröffentlicht: (2025)

DiffAug: Enhance Unsupervised Contrastive Learning with Domain-Knowledge-Free Diffusion-based Data Augmentation
von: Zang, Zelin, et al.
Veröffentlicht: (2023)

Exploring CLIP's Dense Knowledge for Weakly Supervised Semantic Segmentation
von: Yang, Zhiwei, et al.
Veröffentlicht: (2025)

HiMo-CLIP: Modeling Semantic Hierarchy and Monotonicity in Vision-Language Alignment
von: Wu, Ruijia, et al.
Veröffentlicht: (2025)

DualToken: Towards Unifying Visual Understanding and Generation with Dual Visual Vocabularies
von: Song, Wei, et al.
Veröffentlicht: (2025)

CLIP-Decoder : ZeroShot Multilabel Classification using Multimodal CLIP Aligned Representation
von: Ali, Muhammad, et al.
Veröffentlicht: (2024)

LowCLIP: Adapting the CLIP Model Architecture for Low-Resource Languages in Multimodal Image Retrieval Task
von: Asgarov, Ali, et al.
Veröffentlicht: (2024)

GenURL: A General Framework for Unsupervised Representation Learning
von: Li, Siyuan, et al.
Veröffentlicht: (2021)

AlignMiF: Geometry-Aligned Multimodal Implicit Field for LiDAR-Camera Joint Synthesis
von: Tang, Tao, et al.
Veröffentlicht: (2024)

AlignGS: Aligning Geometry and Semantics for Robust Indoor Reconstruction from Sparse Views
von: Gao, Yijie, et al.
Veröffentlicht: (2025)

Long-CLIP: Unlocking the Long-Text Capability of CLIP
von: Zhang, Beichen, et al.
Veröffentlicht: (2024)

DiCLIP: Diffusion Model Enhances CLIP's Dense Knowledge for Weakly Supervised Semantic Segmentation
von: Yang, Zhiwei, et al.
Veröffentlicht: (2026)

ProCLIP: Progressive Vision-Language Alignment via LLM-based Embedder
von: Hu, Xiaoxing, et al.
Veröffentlicht: (2025)

Autoregressive Semantic Visual Reconstruction Helps VLMs Understand Better
von: Wang, Dianyi, et al.
Veröffentlicht: (2025)

GazeCLIP: Enhancing Gaze Estimation Through Text-Guided Multimodal Learning
von: Wang, Jun, et al.
Veröffentlicht: (2023)

Must: Maximizing Latent Capacity of Spatial Transcriptomics Data
von: Zang, Zelin, et al.
Veröffentlicht: (2024)

Aligning the True Semantics: Constrained Decoupling and Distribution Sampling for Cross-Modal Alignment
von: Ma, Xiang, et al.
Veröffentlicht: (2026)

CSFMamba: Cross State Fusion Mamba Operator for Multimodal Remote Sensing Image Classification
von: Wang, Qingyu, et al.
Veröffentlicht: (2025)

MV-CLIP: Multi-View CLIP for Zero-shot 3D Shape Recognition
von: Song, Dan, et al.
Veröffentlicht: (2023)

AlignMMBench: Evaluating Chinese Multimodal Alignment in Large Vision-Language Models
von: Wu, Yuhang, et al.
Veröffentlicht: (2024)

Jailbreaking Large Language Models Through Alignment Vulnerabilities in Out-of-Distribution Settings
von: Huang, Yue, et al.
Veröffentlicht: (2024)

ReCLIP++: Learn to Rectify the Bias of CLIP for Unsupervised Semantic Segmentation
von: Wang, Jingyun, et al.
Veröffentlicht: (2024)

CLIP-GS: CLIP-Informed Gaussian Splatting for View-Consistent 3D Indoor Semantic Understanding
von: Liao, Guibiao, et al.
Veröffentlicht: (2024)

Variance-Aware Loss Scheduling for Multimodal Alignment in Low-Data Settings
von: Pillai, Sneh
Veröffentlicht: (2025)

EGFormer: Towards Efficient and Generalizable Multimodal Semantic Segmentation
von: Zhang, Zelin, et al.
Veröffentlicht: (2025)

CLIP-CID: Efficient CLIP Distillation via Cluster-Instance Discrimination
von: Yang, Kaicheng, et al.
Veröffentlicht: (2024)

USTEP: Spatio-Temporal Predictive Learning under A Unified View
von: Tan, Cheng, et al.
Veröffentlicht: (2023)

MTA-CLIP: Language-Guided Semantic Segmentation with Mask-Text Alignment
von: Das, Anurag, et al.
Veröffentlicht: (2024)

Distribution Aligned Semantics Adaption for Lifelong Person Re-Identification
von: Wang, Qizao, et al.
Veröffentlicht: (2024)

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

HG3-NeRF: Hierarchical Geometric, Semantic, and Photometric Guided Neural Radiance Fields for Sparse View Inputs
von: Gao, Zelin, et al.
Veröffentlicht: (2024)

DANCE: Dual-View Distribution Alignment for Dataset Condensation
von: Zhang, Hansong, et al.
Veröffentlicht: (2024)

Refine-by-Align: Reference-Guided Artifacts Refinement through Semantic Alignment
von: Song, Yizhi, et al.
Veröffentlicht: (2024)

Ascending the Infinite Ladder: Benchmarking Spatial Deformation Reasoning in Vision-Language Models
von: Zhang, Jiahuan, et al.
Veröffentlicht: (2025)

Leveraging CLIP Encoder for Multimodal Emotion Recognition
von: Song, Yehun, et al.
Veröffentlicht: (2025)

GuardAlign: Test-time Safety Alignment in Multimodal Large Language Models
von: Zhu, Xingyu, et al.
Veröffentlicht: (2026)

Semantic Alignment for Multimodal Large Language Models
von: Wu, Tao, et al.
Veröffentlicht: (2024)

SkinCLIP-VL: Consistency-Aware Vision-Language Learning for Multimodal Skin Cancer Diagnosis
von: Lu, Zhixiang, et al.
Veröffentlicht: (2026)

Divide-Then-Align: Honest Alignment based on the Knowledge Boundary of RAG
von: Sun, Xin, et al.
Veröffentlicht: (2025)