Buchumschlag

Integrating Query-aware Segmentation and Cross-Attention for Robust VQA

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Choi, Wonjun, Lee, Sangbeom, Lee, Seungyeon, Jung, Heechul, Lee, Dong-Gyu
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

CAST: Cross-Attention in Space and Time for Video Action Recognition
von: Lee, Dongho, et al.
Veröffentlicht: (2023)

Dual Prototype Attention for Unsupervised Video Object Segmentation
von: Cho, Suhwan, et al.
Veröffentlicht: (2022)

High-Quality Unknown Object Instance Segmentation via Quadruple Boundary Error Refinement
von: Back, Seunghyeok, et al.
Veröffentlicht: (2023)

CA^2ST: Cross-Attention in Audio, Space, and Time for Holistic Video Recognition
von: Lee, Jongseo, et al.
Veröffentlicht: (2025)

Guided Slot Attention for Unsupervised Video Object Segmentation
von: Lee, Minhyeok, et al.
Veröffentlicht: (2023)

HERO-VQL: Hierarchical, Egocentric and Robust Visual Query Localization
von: Chang, Joohyun, et al.
Veröffentlicht: (2025)

Exploring OCR-augmented Generation for Bilingual VQA
von: Lee, JoonHo, et al.
Veröffentlicht: (2025)

Terrain-Enhanced Resolution-aware Refinement Attention for Off-Road Segmentation
von: Choi, Seongkyu, et al.
Veröffentlicht: (2025)

V-NAW: Video-based Noise-aware Adaptive Weighting for Facial Expression Recognition
von: Lee, JunGyu, et al.
Veröffentlicht: (2025)

Mitigating Sexual Content Generation via Embedding Distortion in Text-conditioned Diffusion Models
von: Ahn, Jaesin, et al.
Veröffentlicht: (2025)

Toward Robust Canine Cardiac Diagnosis: Deep Prototype Alignment Network-Based Few-Shot Segmentation in Veterinary Medicine
von: Oh, Jun-Young, et al.
Veröffentlicht: (2024)

Understanding Multi-Granularity for Open-Vocabulary Part Segmentation
von: Choi, Jiho, et al.
Veröffentlicht: (2024)

CountCluster: Training-Free Object Quantity Guidance with Cross-Attention Map Clustering for Text-to-Image Generation
von: Lee, Joohyeon, et al.
Veröffentlicht: (2025)

RPG360: Robust 360 Depth Estimation with Perspective Foundation Models and Graph Optimization
von: Jung, Dongki, et al.
Veröffentlicht: (2025)

XAG-Net: A Cross-Slice Attention and Skip Gating Network for 2.5D Femur MRI Segmentation
von: Ko, Byunghyun, et al.
Veröffentlicht: (2025)

Fine-Grained Image-Text Correspondence with Cost Aggregation for Open-Vocabulary Part Segmentation
von: Choi, Jiho, et al.
Veröffentlicht: (2025)

MaskRIS: Semantic Distortion-aware Data Augmentation for Referring Image Segmentation
von: Lee, Minhyun, et al.
Veröffentlicht: (2024)

Learning to Refuse: Refusal-Aware Reinforcement Fine-Tuning for Hard-Irrelevant Queries in Video Temporal Grounding
von: Lee, Jin-Seop, et al.
Veröffentlicht: (2025)

GraspClutter6D: A Large-scale Real-world Dataset for Robust Perception and Grasping in Cluttered Scenes
von: Back, Seunghyeok, et al.
Veröffentlicht: (2025)

Referring Video Object Segmentation via Language-aligned Track Selection
von: Kim, Seongchan, et al.
Veröffentlicht: (2024)

Towards Motion-aware Referring Image Segmentation
von: Kim, Chaeyun, et al.
Veröffentlicht: (2026)

InsideOut: Integrated RGB-Radiative Gaussian Splatting for Comprehensive 3D Object Representation
von: Lee, Jungmin, et al.
Veröffentlicht: (2025)

InterRVOS: Interaction-aware Referring Video Object Segmentation
von: Jin, Woojeong, et al.
Veröffentlicht: (2025)

Instance-Aware Test-Time Segmentation for Continual Domain Shifts
von: Lee, Seunghwan, et al.
Veröffentlicht: (2025)

CountSteer: Steering Attention for Object Counting in Diffusion Models
von: Boo, Hyemin, et al.
Veröffentlicht: (2025)

Efficient Test-Time Optimization for Depth Completion via Low-Rank Decoder Adaptation
von: Seo, Minseok, et al.
Veröffentlicht: (2026)

Effective SAM Combination for Open-Vocabulary Semantic Segmentation
von: Lee, Minhyeok, et al.
Veröffentlicht: (2024)

Watch Video, Catch Keyword: Context-aware Keyword Attention for Moment Retrieval and Highlight Detection
von: Um, Sung Jin, et al.
Veröffentlicht: (2025)

Body-Hand Modality Expertized Networks with Cross-attention for Fine-grained Skeleton Action Recognition
von: Cho, Seungyeon, et al.
Veröffentlicht: (2025)

MedSAD-CLIP: Supervised CLIP with Token-Patch Cross-Attention for Medical Anomaly Detection and Segmentation
von: Tran, Thuy Truong, et al.
Veröffentlicht: (2026)

Polyp Segmentation Using Wavelet-Based Cross-Band Integration for Enhanced Boundary Representation
von: Oh, Haesung, et al.
Veröffentlicht: (2026)

Maximizing the Position Embedding for Vision Transformers with Global Average Pooling
von: Lee, Wonjun, et al.
Veröffentlicht: (2025)

Space-Time Forecasting of Dynamic Scenes with Motion-aware Gaussian Grouping
von: Lee, Junmyeong, et al.
Veröffentlicht: (2026)

Segment Any Events with Language
von: Lee, Seungjun, et al.
Veröffentlicht: (2026)

Tsanet: Temporal and Scale Alignment for Unsupervised Video Object Segmentation
von: Lee, Seunghoon, et al.
Veröffentlicht: (2023)

Lossless Token Merging Even Without Fine-Tuning in Vision Transformers
von: Lee, Jaeyeon, et al.
Veröffentlicht: (2025)

From Adaptation to Generalization: Adaptive Visual Prompting for Medical Image Segmentation
von: Çetinkaya, Evren, et al.
Veröffentlicht: (2026)

ELITE: Enhanced Language-Image Toxicity Evaluation for Safety
von: Lee, Wonjun, et al.
Veröffentlicht: (2025)

StochCA: A Novel Approach for Exploiting Pretrained Models with Cross-Attention
von: Seo, Seungwon, et al.
Veröffentlicht: (2024)

SAMIRO: Spatial Attention Mutual Information Regularization with a Pre-trained Model as Oracle for Lane Detection
von: Lee, Hyunjong, et al.
Veröffentlicht: (2025)