Buchumschlag

Aligning Neuronal Coding of Dynamic Visual Scenes with Foundation Vision Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wu, Rining, Zhou, Feixiang, Yin, Ziwei, Liu, Jian K.
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

LLaVA-SG: Leveraging Scene Graphs as Visual Semantic Expression in Vision-Language Models
von: Wang, Jingyi, et al.
Veröffentlicht: (2024)

ECMNet:Lightweight Semantic Segmentation with Efficient CNN-Mamba Network
von: Du, Feixiang, et al.
Veröffentlicht: (2025)

AquaticCLIP: A Vision-Language Foundation Model for Underwater Scene Analysis
von: Alawode, Basit, et al.
Veröffentlicht: (2025)

Reinforcing Spatial Reasoning in Vision-Language Models with Interwoven Thinking and Visual Drawing
von: Wu, Junfei, et al.
Veröffentlicht: (2025)

BetterScene: 3D Scene Synthesis with Representation-Aligned Generative Model
von: Han, Yuci, et al.
Veröffentlicht: (2026)

Vision Foundation Models as Effective Visual Tokenizers for Autoregressive Image Generation
von: Zheng, Anlin, et al.
Veröffentlicht: (2025)

Knowledge-Aware Neuron Interpretation for Scene Classification
von: Guan, Yong, et al.
Veröffentlicht: (2024)

Dynamic Multimodal Activation Steering for Hallucination Mitigation in Large Vision-Language Models
von: Yin, Jianghao, et al.
Veröffentlicht: (2026)

Fourier Compressor: Frequency-Domain Visual Token Compression for Vision-Language Models
von: Wang, Huanyu, et al.
Veröffentlicht: (2025)

Latent Anomaly Knowledge Excavation: Unveiling Sparse Sensitive Neurons in Vision-Language Models
von: Li, Shaotian, et al.
Veröffentlicht: (2026)

Two-Stream Interactive Joint Learning of Scene Parsing and Geometric Vision Tasks
von: Tang, Guanfeng, et al.
Veröffentlicht: (2026)

VFM-VLM: Vision Foundation Model and Vision Language Model based Visual Comparison for 3D Pose Estimation
von: Sarowar, Md Selim, et al.
Veröffentlicht: (2025)

Towards Neural Foundation Models for Vision: Aligning EEG, MEG, and fMRI Representations for Decoding, Encoding, and Modality Conversion
von: Ferrante, Matteo, et al.
Veröffentlicht: (2024)

Aligning Vision Models with Human Aesthetics in Retrieval: Benchmarks and Algorithms
von: Zhang, Miaosen, et al.
Veröffentlicht: (2024)

4D Panoptic Scene Graph Generation
von: Yang, Jingkang, et al.
Veröffentlicht: (2024)

Aligned Vector Quantization for Edge-Cloud Collabrative Vision-Language Models
von: Liu, Xiao, et al.
Veröffentlicht: (2024)

TagAlign: Improving Vision-Language Alignment with Multi-Tag Classification
von: Liu, Qinying, et al.
Veröffentlicht: (2023)

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

SoccerMaster: A Vision Foundation Model for Soccer Understanding
von: Yang, Haolin, et al.
Veröffentlicht: (2025)

RADIOv2.5: Improved Baselines for Agglomerative Vision Foundation Models
von: Heinrich, Greg, et al.
Veröffentlicht: (2024)

Reprogramming Vision Foundation Models for Spatio-Temporal Forecasting
von: Chen, Changlu, et al.
Veröffentlicht: (2025)

MRN: Harnessing 2D Vision Foundation Models for Diagnosing Parkinson's Disease with Limited 3D MR Data
von: Shaodong, Ding, et al.
Veröffentlicht: (2025)

AlignVAR: Towards Globally Consistent Visual Autoregression for Image Super-Resolution
von: Liu, Cencen, et al.
Veröffentlicht: (2026)

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

OmniMRI: A Unified Vision--Language Foundation Model for Generalist MRI Interpretation
von: He, Xingxin, et al.
Veröffentlicht: (2025)

FMGS: Foundation Model Embedded 3D Gaussian Splatting for Holistic 3D Scene Understanding
von: Zuo, Xingxing, et al.
Veröffentlicht: (2024)

Selective Visual Prompting in Vision Mamba
von: Yao, Yifeng, et al.
Veröffentlicht: (2024)

SceneTAP: Scene-Coherent Typographic Adversarial Planner against Vision-Language Models in Real-World Environments
von: Cao, Yue, et al.
Veröffentlicht: (2024)

EmbodiedVSR: Dynamic Scene Graph-Guided Chain-of-Thought Reasoning for Visual Spatial Tasks
von: Zhang, Yi, et al.
Veröffentlicht: (2025)

The Scene Language: Representing Scenes with Programs, Words, and Embeddings
von: Zhang, Yunzhi, et al.
Veröffentlicht: (2024)

General Scene Adaptation for Vision-and-Language Navigation
von: Hong, Haodong, et al.
Veröffentlicht: (2025)

The Effects of Visual Priming on Cooperative Behavior in Vision-Language Models
von: Ong, Kenneth J. K.
Veröffentlicht: (2026)

Skill-Conditioned Visual Geolocation for Vision-Language Models
von: Yang, Chenjie, et al.
Veröffentlicht: (2026)

MVL-Loc: Leveraging Vision-Language Model for Generalizable Multi-Scene Camera Relocalization
von: Xiao, Zhendong, et al.
Veröffentlicht: (2025)

Pair then Relation: Pair-Net for Panoptic Scene Graph Generation
von: Wang, Jinghao, et al.
Veröffentlicht: (2023)

Symmetrical Visual Contrastive Optimization: Aligning Vision-Language Models with Minimal Contrastive Images
von: Wu, Shengguang, et al.
Veröffentlicht: (2025)

Vision-Language Models for Autonomous Driving: CLIP-Based Dynamic Scene Understanding
von: Elhenawy, Mohammed, et al.
Veröffentlicht: (2025)

VisionFoundry: Teaching VLMs Visual Perception with Synthetic Images
von: Zhou, Guanyu, et al.
Veröffentlicht: (2026)

DynaMind: Reconstructing Dynamic Visual Scenes from EEG by Aligning Temporal Dynamics and Multimodal Semantics to Guided Diffusion
von: Liu, Junxiang, et al.
Veröffentlicht: (2025)

Chain-of-Models Pre-Training: Rethinking Training Acceleration of Vision Foundation Models
von: Fan, Jiawei, et al.
Veröffentlicht: (2026)