Buchumschlag

SSTFB: Leveraging self-supervised pretext learning and temporal self-attention with feature branching for real-time video polyp segmentation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Xu, Ziang, Rittscher, Jens, Ali, Sharib
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence Multimedia
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Leveraging multimodal explanatory annotations for video interpretation with Modality Specific Dataset
von: Ancarani, Elisa, et al.
Veröffentlicht: (2025)

Lester: rotoscope animation through video object segmentation and tracking
von: Tous, Ruben
Veröffentlicht: (2024)

Consistent and Invariant Generalization Learning for Short-video Misinformation Detection
von: Guo, Hanghui, et al.
Veröffentlicht: (2025)

Self-supervised Photographic Image Layout Representation Learning
von: Zhao, Zhaoran, et al.
Veröffentlicht: (2024)

Semi-supervised Semantic Segmentation with Multi-Constraint Consistency Learning
von: Yin, Jianjian, et al.
Veröffentlicht: (2025)

SD-DiT: Unleashing the Power of Self-supervised Discrimination in Diffusion Transformer
von: Zhu, Rui, et al.
Veröffentlicht: (2024)

Does SpatioTemporal information benefit Two video summarization benchmarks?
von: Ganesh, Aashutosh, et al.
Veröffentlicht: (2024)

Reviewing Intelligent Cinematography: AI research for camera-based video production
von: Azzarelli, Adrian, et al.
Veröffentlicht: (2024)

Multi-proposal Collaboration and Multi-task Training for Weakly-supervised Video Moment Retrieval
von: Zhang, Bolin, et al.
Veröffentlicht: (2026)

Semi-supervised Chinese Poem-to-Painting Generation via Cycle-consistent Adversarial Networks
von: Lu, Zhengyang, et al.
Veröffentlicht: (2024)

A Light-weight Transformer-based Self-supervised Matching Network for Heterogeneous Images
von: Zhang, Wang, et al.
Veröffentlicht: (2024)

Subjective evaluation of UHD video coded using VVC with LCEVC and ML-VVC
von: Ramzan, Naeem, et al.
Veröffentlicht: (2026)

A multi-center analysis of deep learning methods for video polyp detection and segmentation
von: Ghatwary, Noha, et al.
Veröffentlicht: (2026)

EALD-MLLM: Emotion Analysis in Long-sequential and De-identity videos with Multi-modal Large Language Model
von: Li, Deng, et al.
Veröffentlicht: (2024)

Reasoning Like Experts: Leveraging Multimodal Large Language Models for Drawing-based Psychoanalysis
von: Ma, Xueqi, et al.
Veröffentlicht: (2025)

FoodMLLM-JP: Leveraging Multimodal Large Language Models for Japanese Recipe Generation
von: Imajuku, Yuki, et al.
Veröffentlicht: (2024)

Leveraging Automatic Personalised Nutrition: Food Image Recognition Benchmark and Dataset based on Nutrition Taxonomy
von: Romero-Tapiador, Sergio, et al.
Veröffentlicht: (2022)

Bayesian uncertainty-weighted loss for improved generalisability on polyp segmentation task
von: Stone, Rebecca S., et al.
Veröffentlicht: (2023)

ASAP: Advancing Semantic Alignment Promotes Multi-Modal Manipulation Detecting and Grounding
von: Zhang, Zhenxing, et al.
Veröffentlicht: (2024)

Weakly-supervised Audio Temporal Forgery Localization via Progressive Audio-language Co-learning Network
von: Wu, Junyan, et al.
Veröffentlicht: (2025)

Relational Retrieval: Leveraging Known-Novel Interactions for Generalized Category Discovery
von: Xu, Yulin, et al.
Veröffentlicht: (2026)

VG-TVP: Multimodal Procedural Planning via Visually Grounded Text-Video Prompting
von: Ilaslan, Muhammet Furkan, et al.
Veröffentlicht: (2024)

Deep learning for 3D human pose estimation and mesh recovery: A survey
von: Liu, Yang, et al.
Veröffentlicht: (2024)

SVFAP: Self-supervised Video Facial Affect Perceiver
von: Sun, Licai, et al.
Veröffentlicht: (2023)

4D Multimodal Co-attention Fusion Network with Latent Contrastive Alignment for Alzheimer's Diagnosis
von: Wei, Yuxiang, et al.
Veröffentlicht: (2025)

Test-time adaptation for image compression with distribution regularization
von: Chen, Kecheng, et al.
Veröffentlicht: (2024)

Reversing the Damage: A QP-Aware Transformer-Diffusion Approach for 8K Video Restoration under Codec Compression
von: Dehaghi, Ali Mollaahmadi, et al.
Veröffentlicht: (2024)

Audio-visual training for improved grounding in video-text LLMs
von: Sagare, Shivprasad, et al.
Veröffentlicht: (2024)

AKiRa: Augmentation Kit on Rays for optical video generation
von: Wang, Xi, et al.
Veröffentlicht: (2024)

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

MVPbev: Multi-view Perspective Image Generation from BEV with Test-time Controllability and Generalizability
von: Liu, Buyu, et al.
Veröffentlicht: (2024)

AI-Driven Virtual Teacher for Enhanced Educational Efficiency: Leveraging Large Pretrain Models for Autonomous Error Analysis and Correction
von: Xu, Tianlong, et al.
Veröffentlicht: (2024)

ProMamba: Prompt-Mamba for polyp segmentation
von: Xie, Jianhao, et al.
Veröffentlicht: (2024)

T$^\text{3}$SVFND: Towards an Evolving Fake News Detector for Emergencies with Test-time Training on Short Video Platforms
von: Zhang, Liyuan, et al.
Veröffentlicht: (2025)

CLIP Brings Better Features to Visual Aesthetics Learners
von: Xu, Liwu, et al.
Veröffentlicht: (2023)

AeroLite: Tag-Guided Lightweight Generation of Aerial Image Captions
von: Zi, Xing, et al.
Veröffentlicht: (2025)

4D Gaussian Splatting with Scale-aware Residual Field and Adaptive Optimization for Real-time Rendering of Temporally Complex Dynamic Scenes
von: Yan, Jinbo, et al.
Veröffentlicht: (2024)

GaussianCross: Cross-modal Self-supervised 3D Representation Learning via Gaussian Splatting
von: Yao, Lei, et al.
Veröffentlicht: (2025)

Towards Holistic Language-video Representation: the language model-enhanced MSR-Video to Text Dataset
von: Yang, Yuchen, et al.
Veröffentlicht: (2024)

MMSD3.0: A Multi-Image Benchmark for Real-World Multimodal Sarcasm Detection
von: Zhao, Haochen, et al.
Veröffentlicht: (2025)