Buchumschlag

Multi-label Cluster Discrimination for Visual Representation Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	An, Xiang, Yang, Kaicheng, Dai, Xiangzi, Feng, Ziyong, Deng, Jiankang
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

CLIP-CID: Efficient CLIP Distillation via Cluster-Instance Discrimination
von: Yang, Kaicheng, et al.
Veröffentlicht: (2024)

Region-based Cluster Discrimination for Visual Representation Learning
von: Xie, Yin, et al.
Veröffentlicht: (2025)

High-Fidelity Facial Albedo Estimation via Texture Quantization
von: Ran, Zimin, et al.
Veröffentlicht: (2024)

VAR-CLIP: Text-to-Image Generator with Visual Auto-Regressive Modeling
von: Zhang, Qian, et al.
Veröffentlicht: (2024)

RWKV-CLIP: A Robust Vision-Language Representation Learner
von: Gu, Tiancheng, et al.
Veröffentlicht: (2024)

PaCo-FR: Patch-Pixel Aligned End-to-End Codebook Learning for Facial Representation Pre-training
von: Xie, Yin, et al.
Veröffentlicht: (2025)

ViCToR: Improving Visual Comprehension via Token Reconstruction for Pretraining LMMs
von: Xie, Yin, et al.
Veröffentlicht: (2024)

RealSyn: An Effective and Scalable Multimodal Interleaved Document Transformation Paradigm
von: Gu, Tiancheng, et al.
Veröffentlicht: (2025)

UniME-V2: MLLM-as-a-Judge for Universal Multimodal Embedding Learning
von: Gu, Tiancheng, et al.
Veröffentlicht: (2025)

Breaking the Modality Barrier: Universal Embedding Learning with Multimodal LLMs
von: Gu, Tiancheng, et al.
Veröffentlicht: (2025)

IDAdapter: Learning Mixed Features for Tuning-Free Personalization of Text-to-Image Models
von: Cui, Siying, et al.
Veröffentlicht: (2024)

ORID: Organ-Regional Information Driven Framework for Radiology Report Generation
von: Gu, Tiancheng, et al.
Veröffentlicht: (2024)

Gradient-Attention Guided Dual-Masking Synergetic Framework for Robust Text-based Person Retrieval
von: Zheng, Tianlu, et al.
Veröffentlicht: (2025)

1st Place Solution to the 1st SkatingVerse Challenge
von: Sun, Tao, et al.
Veröffentlicht: (2024)

Decoupled Global-Local Alignment for Improving Compositional Understanding
von: Hu, Xiaoxing, et al.
Veröffentlicht: (2025)

ProCLIP: Progressive Vision-Language Alignment via LLM-based Embedder
von: Hu, Xiaoxing, et al.
Veröffentlicht: (2025)

ForCenNet: Foreground-Centric Network for Document Image Rectification
von: Cai, Peng, et al.
Veröffentlicht: (2025)

Efficient, Validation-Free Intrinsic Quality Estimation for Large-Scale Face Recognition Datasets
von: Chen, Zhichao, et al.
Veröffentlicht: (2026)

UniDoc-RL: Coarse-to-Fine Visual RAG with Hierarchical Actions and Dense Rewards
von: Wang, Jun, et al.
Veröffentlicht: (2026)

Neural Clustering based Visual Representation Learning
von: Chen, Guikun, et al.
Veröffentlicht: (2024)

Learning Representations for Clustering via Partial Information Discrimination and Cross-Level Interaction
von: Zhang, Hai-Xin, et al.
Veröffentlicht: (2024)

OneVision-Encoder: Codec-Aligned Sparsity as a Foundational Principle for Multimodal Intelligence
von: Tang, Feilong, et al.
Veröffentlicht: (2026)

MoCoTalk: Multi-Conditional Diffusion with Adaptive Router for Controllable Talking Head Generation
von: Ye, Xinyan, et al.
Veröffentlicht: (2026)

Domain Adaptation for Multi-label Image Classification: a Discriminator-free Approach
von: Singh, Inder Pal, et al.
Veröffentlicht: (2025)

Self-Supervised Discriminative Feature Learning for Deep Multi-View Clustering
von: Xu, Jie, et al.
Veröffentlicht: (2021)

PropVG: End-to-End Proposal-Driven Visual Grounding with Multi-Granularity Discrimination
von: Dai, Ming, et al.
Veröffentlicht: (2025)

On the Discriminability of Self-Supervised Representation Learning
von: Song, Zeen, et al.
Veröffentlicht: (2024)

Pedestrian Attribute Recognition as Label-balanced Multi-label Learning
von: Zhou, Yibo, et al.
Veröffentlicht: (2024)

Efficient Unsupervised Visual Representation Learning with Explicit Cluster Balancing
von: Metaxas, Ioannis Maniadis, et al.
Veröffentlicht: (2024)

Franca: Nested Matryoshka Clustering for Scalable Visual Representation Learning
von: Venkataramanan, Shashanka, et al.
Veröffentlicht: (2025)

Towards Large-scale 3D Representation Learning with Multi-dataset Point Prompt Training
von: Wu, Xiaoyang, et al.
Veröffentlicht: (2023)

SATGround: A Spatially-Aware Approach for Visual Grounding in Remote Sensing
von: Toker, Aysim, et al.
Veröffentlicht: (2025)

Learning Disentangled Representations for Generalized Multi-view Clustering
von: Zou, Xin, et al.
Veröffentlicht: (2026)

Multi-label Instance-level Generalised Visual Grounding in Agriculture
von: Haghighat, Mohammadreza, et al.
Veröffentlicht: (2026)

Revisiting Multi-Task Visual Representation Learning
von: Di, Shangzhe, et al.
Veröffentlicht: (2026)

Cluster Contrast for Unsupervised Visual Representation Learning
von: Giakoumoglou, Nikolaos, et al.
Veröffentlicht: (2025)

LLaVA-OneVision-1.5: Fully Open Framework for Democratized Multimodal Training
von: An, Xiang, et al.
Veröffentlicht: (2025)

Weakly-supervised Localization of Manipulated Image Regions Using Multi-resolution Learned Features
von: Wang, Ziyong, et al.
Veröffentlicht: (2025)

Semantic Positive Pairs for Enhancing Visual Representation Learning of Instance Discrimination Methods
von: Alkhalefi, Mohammad, et al.
Veröffentlicht: (2023)

WaveFace: Authentic Face Restoration with Efficient Frequency Recovery
von: Miao, Yunqi, et al.
Veröffentlicht: (2024)