Buchumschlag

Exploring the Benefits of Vision Foundation Models for Unsupervised Domain Adaptation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Englert, Brunó B., Piva, Fabrizio J., Kerssies, Tommie, de Geus, Daan, Dubbelman, Gijs
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

How to Benchmark Vision Foundation Models for Semantic Segmentation?
von: Kerssies, Tommie, et al.
Veröffentlicht: (2024)

First Place Solution to the ECCV 2024 BRAVO Challenge: Evaluating Robustness of Vision Foundation Models for Semantic Segmentation
von: Kerssies, Tommie, et al.
Veröffentlicht: (2024)

What is the Added Value of UDA in the VFM Era?
von: Englert, Brunó B., et al.
Veröffentlicht: (2025)

Simplifying Traffic Anomaly Detection with Video Foundation Models
von: Orlova, Svetlana, et al.
Veröffentlicht: (2025)

Task-aligned Part-aware Panoptic Segmentation through Joint Object-Part Representations
von: de Geus, Daan, et al.
Veröffentlicht: (2024)

VFM-UDA++: Improving Network Architectures and Data Strategies for Unsupervised Domain Adaptive Semantic Segmentation
von: Englert, Brunó B., et al.
Veröffentlicht: (2025)

VidEoMT: Your ViT is Secretly Also a Video Segmentation Model
von: Norouzi, Narges, et al.
Veröffentlicht: (2026)

Your ViT is Secretly an Image Segmentation Model
von: Kerssies, Tommie, et al.
Veröffentlicht: (2025)

A Frame is Worth One Token: Efficient Generative World Modeling with Delta Tokens
von: Kerssies, Tommie, et al.
Veröffentlicht: (2026)

PMT: Plain Mask Transformer for Image and Video Segmentation with Frozen Vision Encoders
von: Cavagnero, Niccolò, et al.
Veröffentlicht: (2026)

ALGM: Adaptive Local-then-Global Token Merging for Efficient Semantic Segmentation with Plain Vision Transformers
von: Norouzi, Narges, et al.
Veröffentlicht: (2024)

Towards Data-Efficient Video Pre-training with Frozen Image Foundation Models
von: Orlova, Svetlana, et al.
Veröffentlicht: (2026)

Orion-Lite: Distilling LLM Reasoning into Efficient Vision-Only Driving Models
von: Gu, Jing, et al.
Veröffentlicht: (2026)

Scaling Laws for Robust Comparison of Open Foundation Language-Vision Models and Datasets
von: Nezhurina, Marianna, et al.
Veröffentlicht: (2025)

DONUT: A Decoder-Only Model for Trajectory Prediction
von: Knoche, Markus, et al.
Veröffentlicht: (2025)

Dual-Foundation Models for Unsupervised Domain Adaptation
von: Cheon, Yerin, et al.
Veröffentlicht: (2026)

The BRAVO Semantic Segmentation Challenge Results in UNCV2024
von: Vu, Tuan-Hung, et al.
Veröffentlicht: (2024)

DINO in the Room: Leveraging 2D Foundation Models for 3D Segmentation
von: Knaebel, Karim, et al.
Veröffentlicht: (2025)

Pruning by Block Benefit: Exploring the Properties of Vision Transformer Blocks during Domain Adaptation
von: Glandorf, Patrick, et al.
Veröffentlicht: (2025)

Tell2Adapt: A Unified Framework for Source Free Unsupervised Domain Adaptation via Vision Foundation Model
von: Shi, Yulong, et al.
Veröffentlicht: (2026)

Revisiting Radar Perception With Spectral Point Clouds
von: Alsharif, Hamza, et al.
Veröffentlicht: (2026)

A Resource Efficient Fusion Network for Object Detection in Bird's-Eye View using Camera and Raw Radar Data
von: Chandrasekaran, Kavin, et al.
Veröffentlicht: (2024)

REFNet++: Multi-Task Efficient Fusion of Camera and Radar Sensor Data in Bird's-Eye Polar View
von: Chandrasekaran, Kavin, et al.
Veröffentlicht: (2026)

Joint-Optimized Unsupervised Adversarial Domain Adaptation in Remote Sensing Segmentation with Prompted Foundation Model
von: Lyu, Shuchang, et al.
Veröffentlicht: (2024)

Model Adaptation: Unsupervised Domain Adaptation without Source Data
von: Li, Rui, et al.
Veröffentlicht: (2025)

TransAdapter: Vision Transformer for Feature-Centric Unsupervised Domain Adaptation
von: Doruk, A. Enes, et al.
Veröffentlicht: (2024)

Sa2VA-i: Improving Sa2VA Results with Consistent Training and Inference
von: Nekrasov, Alexey, et al.
Veröffentlicht: (2025)

How Important are Videos for Training Video LLMs?
von: Lydakis, George, et al.
Veröffentlicht: (2025)

Volume Transformer: Revisiting Vanilla Transformers for 3D Scene Understanding
von: Yilmaz, Kadir, et al.
Veröffentlicht: (2026)

Visual Foundation Models Boost Cross-Modal Unsupervised Domain Adaptation for 3D Semantic Segmentation
von: Xu, Jingyi, et al.
Veröffentlicht: (2024)

Modeling Hierarchical Structural Distance for Unsupervised Domain Adaptation
von: Xu, Yingxue, et al.
Veröffentlicht: (2022)

Fine-Tuning Image-Conditional Diffusion Models is Easier than You Think
von: Garcia, Gonzalo Martin, et al.
Veröffentlicht: (2024)

Return of Frustratingly Easy Unsupervised Video Domain Adaptation
von: Wei, Pengfei, et al.
Veröffentlicht: (2026)

Towards Unsupervised Domain Adaptation via Domain-Transformer
von: Chuan-Xian, Ren, et al.
Veröffentlicht: (2022)

Vision Foundation Models in Agriculture: Toward Domain-Specific Adaptation for Weed Herbicide Trials Assessment
von: Benito-Del-Valle, Leire, et al.
Veröffentlicht: (2025)

Co-Teaching for Unsupervised Domain Adaptation and Expansion
von: Lin, Hailan, et al.
Veröffentlicht: (2022)

Collaborative Learning for Enhanced Unsupervised Domain Adaptation
von: Cho, Minhee, et al.
Veröffentlicht: (2024)

A Study on Unsupervised Domain Adaptation for Semantic Segmentation in the Era of Vision-Language Models
von: Schwonberg, Manuel, et al.
Veröffentlicht: (2024)

Cross-Domain Foundation Model Adaptation: Pioneering Computer Vision Models for Geophysical Data Analysis
von: Guo, Zhixiang, et al.
Veröffentlicht: (2024)

Unsupervised Domain Adaptation within Deep Foundation Latent Spaces
von: Kangin, Dmitry, et al.
Veröffentlicht: (2024)