Buchumschlag

MTMamba: Enhancing Multi-Task Dense Scene Understanding by Mamba-Based Decoders

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lin, Baijiong, Jiang, Weisen, Chen, Pengguang, Zhang, Yu, Liu, Shu, Chen, Ying-Cong
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

MTMamba++: Enhancing Multi-Task Dense Scene Understanding via Mamba-Based Decoders
von: Lin, Baijiong, et al.
Veröffentlicht: (2024)

BYOM: Building Your Own Multi-Task Model For Free
von: Jiang, Weisen, et al.
Veröffentlicht: (2023)

Enhancing Mamba Decoder with Bidirectional Interaction in Multi-Task Dense Prediction
von: Cao, Mang, et al.
Veröffentlicht: (2025)

Dual-Balancing for Multi-Task Learning
von: Lin, Baijiong, et al.
Veröffentlicht: (2023)

3D-Aware Multi-Task Learning with Cross-View Correlations for Dense Scene Understanding
von: Wang, Xiaoye, et al.
Veröffentlicht: (2025)

Decoding the Pulse of Reasoning VLMs in Multi-Image Understanding Tasks
von: Li, Chenjun
Veröffentlicht: (2026)

DenseScan: Advancing 3D Scene Understanding with 2D Dense Annotation
von: Wang, Zirui, et al.
Veröffentlicht: (2025)

VisualNeedle: Benchmarking Active Visual Search in Information-Dense Scenes
von: Chen, Jingru, et al.
Veröffentlicht: (2026)

Frequency-Dynamic Attention Modulation for Dense Prediction
von: Chen, Linwei, et al.
Veröffentlicht: (2025)

TextMamba: Scene Text Detector with Mamba
von: Zhao, Qiyan, et al.
Veröffentlicht: (2025)

HAMF: A Hybrid Attention-Mamba Framework for Joint Scene Context Understanding and Future Motion Representation Learning
von: Mei, Xiaodong, et al.
Veröffentlicht: (2025)

AlignMamba: Enhancing Multimodal Mamba with Local and Global Cross-modal Alignment
von: Li, Yan, et al.
Veröffentlicht: (2024)

HetScene: Heterogeneity-Aware Diffusion for Dense Indoor Scene Generation
von: Chen, Zini, et al.
Veröffentlicht: (2026)

MTPano: Multi-Task Panoramic Scene Understanding via Label-Free Integration of Dense Prediction Priors
von: Zhang, Jingdong, et al.
Veröffentlicht: (2026)

MOODv2: Masked Image Modeling for Out-of-Distribution Detection
von: Li, Jingyao, et al.
Veröffentlicht: (2024)

SceneRAG: Scene-level Retrieval-Augmented Generation for Video Understanding
von: Zeng, Nianbo, et al.
Veröffentlicht: (2025)

PARM: Multi-Objective Test-Time Alignment via Preference-Aware Autoregressive Reward Model
von: Lin, Baijiong, et al.
Veröffentlicht: (2025)

RE-VLM: Event-Augmented Vision-Language Model for Scene Understanding
von: Liu, Hanqing, et al.
Veröffentlicht: (2026)

IPFormer-VideoLLM: Enhancing Multi-modal Video Understanding for Multi-shot Scenes
von: Liang, Yujia, et al.
Veröffentlicht: (2025)

Frequency Dynamic Convolution for Dense Image Prediction
von: Chen, Linwei, et al.
Veröffentlicht: (2025)

FSCM: Frequency-Enhanced Spatial-Spectral Coupled Mamba for Infrared Hyperspectral Image Colorization
von: Liu, Tingting, et al.
Veröffentlicht: (2026)

An Efficient and Effective Transformer Decoder-Based Framework for Multi-Task Visual Grounding
von: Chen, Wei, et al.
Veröffentlicht: (2024)

HexPlane Representation for 3D Semantic Scene Understanding
von: Chen, Zeren, et al.
Veröffentlicht: (2025)

Enhancing Long Video Understanding via Hierarchical Event-Based Memory
von: Cheng, Dingxin, et al.
Veröffentlicht: (2024)

OpenGS-SLAM: Open-Set Dense Semantic SLAM with 3D Gaussian Splatting for Object-Level Scene Understanding
von: Yang, Dianyi, et al.
Veröffentlicht: (2025)

GridMask Data Augmentation
von: Chen, Pengguang, et al.
Veröffentlicht: (2020)

TagCLIP: Improving Discrimination Ability of Open-Vocabulary Semantic Segmentation
von: Li, Jingyao, et al.
Veröffentlicht: (2023)

SurvMamba: State Space Model with Multi-grained Multi-modal Interaction for Survival Prediction
von: Chen, Ying, et al.
Veröffentlicht: (2024)

Hypergraph Mamba for Efficient Whole Slide Image Understanding
von: Lu, Jiaxuan, et al.
Veröffentlicht: (2025)

Frequency-aware Feature Fusion for Dense Image Prediction
von: Chen, Linwei, et al.
Veröffentlicht: (2024)

StarVLA-$α$: Reducing Complexity in Vision-Language-Action Systems
von: Ye, Jinhui, et al.
Veröffentlicht: (2026)

Optimizing Dense Visual Predictions Through Multi-Task Coherence and Prioritization
von: Fontana, Maxime, et al.
Veröffentlicht: (2024)

Enhancing Multimodal Understanding with CLIP-Based Image-to-Text Transformation
von: Che, Chang, et al.
Veröffentlicht: (2024)

DRScaffold: Boosting Dense-Scene Reasoning in Lightweight Vision Language Models
von: Shi, Xinrui, et al.
Veröffentlicht: (2026)

MROSS: Multi-Round Region-based Optimization for Scene Sketching
von: Liang, Yiqi, et al.
Veröffentlicht: (2024)

Generalized Decoupled Learning for Enhancing Open-Vocabulary Dense Perception
von: Wang, Junjie, et al.
Veröffentlicht: (2025)

Scene-LLM: Extending Language Model for 3D Visual Understanding and Reasoning
von: Fu, Rao, et al.
Veröffentlicht: (2024)

PerspectiveNet: Multi-View Perception for Dynamic Scene Understanding
von: Nguyen, Vinh
Veröffentlicht: (2024)

VisualOverload: Probing Visual Understanding of VLMs in Really Dense Scenes
von: Gavrikov, Paul, et al.
Veröffentlicht: (2025)

TaskGround: Structured Executable Task Inference for Full-Scene Household Reasoning
von: Feng, ZhiYuan, et al.
Veröffentlicht: (2026)