Buchumschlag

The Solution for the 5th GCAIAC Zero-shot Referring Expression Comprehension Challenge

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Huang, Longfei, Yu, Feng, Guan, Zhihao, Wan, Zhonghua, Yang, Yang
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Computation and Language Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

The Solution for the sequential task continual learning track of the 2nd Greater Bay Area International Algorithm Competition
von: Pan, Sishun, et al.
Veröffentlicht: (2024)

Harlequin: Color-driven Generation of Synthetic Data for Referring Expression Comprehension
von: Parolari, Luca, et al.
Veröffentlicht: (2024)

The Solution for the GAIIC2024 RGB-TIR object detection Challenge
von: Wu, Xiangyu, et al.
Veröffentlicht: (2024)

Interpretable Zero-shot Referring Expression Comprehension with Query-driven Scene Graphs
von: Wu, Yike, et al.
Veröffentlicht: (2026)

The Solution for the ICCV 2023 Perception Test Challenge 2023 -- Task 6 -- Grounded videoQA
von: Zhang, Hailiang, et al.
Veröffentlicht: (2024)

Zero-shot Compound Expression Recognition with Visual Language Model at the 6th ABAW Challenge
von: Wang, Jiahe, et al.
Veröffentlicht: (2024)

FineCops-Ref: A new Dataset and Task for Fine-Grained Compositional Referring Expression Comprehension
von: Liu, Junzhuo, et al.
Veröffentlicht: (2024)

Zero-shot Referring Expression Comprehension via Structural Similarity Between Images and Captions
von: Han, Zeyu, et al.
Veröffentlicht: (2023)

Few-shot Adaptation to Distribution Shifts By Mixing Source and Target Embeddings
von: Xue, Yihao, et al.
Veröffentlicht: (2023)

The Solution for Language-Enhanced Image New Category Discovery
von: Xu, Haonan, et al.
Veröffentlicht: (2024)

ReMeREC: Relation-aware and Multi-entity Referring Expression Comprehension
von: Hu, Yizhi, et al.
Veröffentlicht: (2025)

The Championship-Winning Solution for the 5th CLVISION Challenge 2024
von: Pan, Sishun, et al.
Veröffentlicht: (2024)

Image-Caption Encoding for Improving Zero-Shot Generalization
von: Yu, Eric Yang, et al.
Veröffentlicht: (2024)

Zero-shot Image Editing with Reference Imitation
von: Chen, Xi, et al.
Veröffentlicht: (2024)

Troika: Multi-Path Cross-Modal Traction for Compositional Zero-Shot Learning
von: Huang, Siteng, et al.
Veröffentlicht: (2023)

Referring Expression Generation in Visually Grounded Dialogue with Discourse-aware Comprehension Guiding
von: Willemsen, Bram, et al.
Veröffentlicht: (2024)

MaPPER: Multimodal Prior-guided Parameter Efficient Tuning for Referring Expression Comprehension
von: Liu, Ting, et al.
Veröffentlicht: (2024)

IFCap: Image-like Retrieval and Frequency-based Entity Filtering for Zero-shot Captioning
von: Lee, Soeun, et al.
Veröffentlicht: (2024)

CK-Transformer: Commonsense Knowledge Enhanced Transformers for Referring Expression Comprehension
von: Zhang, Zhi, et al.
Veröffentlicht: (2023)

Optimizing GPT for Video Understanding: Zero-Shot Performance and Prompt Engineering
von: Beliaev, Mark, et al.
Veröffentlicht: (2025)

Scaling Inference-Time Search with Vision Value Model for Improved Visual Comprehension
von: Wang, Xiyao, et al.
Veröffentlicht: (2024)

Exploiting GPT-4 Vision for Zero-shot Point Cloud Understanding
von: Sun, Qi, et al.
Veröffentlicht: (2024)

Spatial Transcriptomics Analysis of Zero-shot Gene Expression Prediction
von: Yang, Yan, et al.
Veröffentlicht: (2024)

CAPability: A Comprehensive Visual Caption Benchmark for Evaluating Both Correctness and Thoroughness
von: Liu, Zhihang, et al.
Veröffentlicht: (2025)

1st Place Solution for 5th LSVOS Challenge: Referring Video Object Segmentation
von: Luo, Zhuoyan, et al.
Veröffentlicht: (2024)

DreamLLM: Synergistic Multimodal Comprehension and Creation
von: Dong, Runpei, et al.
Veröffentlicht: (2023)

An Image Grid Can Be Worth a Video: Zero-shot Video Question Answering Using a VLM
von: Kim, Wonkyun, et al.
Veröffentlicht: (2024)

SynC: Synthetic Image Caption Dataset Refinement with One-to-many Mapping for Zero-shot Image Captioning
von: Kim, Si-Woo, et al.
Veröffentlicht: (2025)

Solution for OOD-CV Workshop SSB Challenge 2024 (Open-Set Recognition Track)
von: Feng, Mingxu, et al.
Veröffentlicht: (2024)

ChartREG++: Towards Benchmarking and Improving Chart Referring Expression Grounding under Diverse referring clues and Multi-Target Referring
von: Niu, Tianhao, et al.
Veröffentlicht: (2026)

The Solution for the CVPR2024 NICE Image Captioning Challenge
von: Huang, Longfei, et al.
Veröffentlicht: (2024)

SafaRi:Adaptive Sequence Transformer for Weakly Supervised Referring Expression Segmentation
von: Nag, Sayan, et al.
Veröffentlicht: (2024)

Ref-Adv: Exploring MLLM Visual Reasoning in Referring Expression Tasks
von: Dong, Qihua, et al.
Veröffentlicht: (2026)

Towards Perceiving Small Visual Details in Zero-shot Visual Question Answering with Multimodal LLMs
von: Zhang, Jiarui, et al.
Veröffentlicht: (2023)

UniFine: A Unified and Fine-grained Approach for Zero-shot Vision-Language Understanding
von: Wang, Zhecan, et al.
Veröffentlicht: (2023)

AMU-Tuning: Effective Logit Bias for CLIP-based Few-shot Learning
von: Tang, Yuwei, et al.
Veröffentlicht: (2024)

MMFactory: A Universal Solution Search Engine for Vision-Language Tasks
von: Fan, Wan-Cyuan, et al.
Veröffentlicht: (2024)

Phrase-Instance Alignment for Generalized Referring Segmentation
von: Nguyen, E-Ro, et al.
Veröffentlicht: (2024)

Including Facial Expressions in Contextual Embeddings for Sign Language Generation
von: Viegas, Carla, et al.
Veröffentlicht: (2022)

Transcrib3D: 3D Referring Expression Resolution through Large Language Models
von: Fang, Jiading, et al.
Veröffentlicht: (2024)