Salvato in:
| Autori principali: | Chen, Wei, Chen, Long, Wu, Yu |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2024
|
| Soggetti: | |
| Accesso online: | https://arxiv.org/abs/2408.01120 |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Masked AutoDecoder is Effective Multi-Task Vision Generalist
di: Qiu, Han, et al.
Pubblicazione: (2024)
di: Qiu, Han, et al.
Pubblicazione: (2024)
Transforming Vision Transformer: Towards Efficient Multi-Task Asynchronous Learning
di: Zhong, Hanwen, et al.
Pubblicazione: (2025)
di: Zhong, Hanwen, et al.
Pubblicazione: (2025)
NuGrounding: A Multi-View 3D Visual Grounding Framework in Autonomous Driving
di: Li, Fuhao, et al.
Pubblicazione: (2025)
di: Li, Fuhao, et al.
Pubblicazione: (2025)
MTMamba: Enhancing Multi-Task Dense Scene Understanding by Mamba-Based Decoders
di: Lin, Baijiong, et al.
Pubblicazione: (2024)
di: Lin, Baijiong, et al.
Pubblicazione: (2024)
EDTformer: An Efficient Decoder Transformer for Visual Place Recognition
di: Jin, Tong, et al.
Pubblicazione: (2024)
di: Jin, Tong, et al.
Pubblicazione: (2024)
VGGT: Visual Geometry Grounded Transformer
di: Wang, Jianyuan, et al.
Pubblicazione: (2025)
di: Wang, Jianyuan, et al.
Pubblicazione: (2025)
How Multimodal LLMs Solve Image Tasks: A Lens on Visual Grounding, Task Reasoning, and Answer Decoding
di: Yu, Zhuoran, et al.
Pubblicazione: (2025)
di: Yu, Zhuoran, et al.
Pubblicazione: (2025)
EfficienT-HDR: An Efficient Transformer-Based Framework via Multi-Exposure Fusion for HDR Reconstruction
di: Huang, Yu-Shen, et al.
Pubblicazione: (2025)
di: Huang, Yu-Shen, et al.
Pubblicazione: (2025)
PD-APE: A Parallel Decoding Framework with Adaptive Position Encoding for 3D Visual Grounding
di: Hou, Chenshu, et al.
Pubblicazione: (2024)
di: Hou, Chenshu, et al.
Pubblicazione: (2024)
Reloc-VGGT: Visual Re-localization with Geometry Grounded Transformer
di: Deng, Tianchen, et al.
Pubblicazione: (2025)
di: Deng, Tianchen, et al.
Pubblicazione: (2025)
LCV2: An Efficient Pretraining-Free Framework for Grounded Visual Question Answering
di: Chen, Yuhan, et al.
Pubblicazione: (2024)
di: Chen, Yuhan, et al.
Pubblicazione: (2024)
VEN-VL: A Visual Ensemble MoE Framework for Effective and Efficient Multi-Modal Understanding
di: Wu, Yinghao, et al.
Pubblicazione: (2026)
di: Wu, Yinghao, et al.
Pubblicazione: (2026)
Guiding the Inner Eye: A Framework for Hierarchical and Flexible Visual Grounded Reasoning
di: Wei, Zhaoyang, et al.
Pubblicazione: (2025)
di: Wei, Zhaoyang, et al.
Pubblicazione: (2025)
DEGround: An Effective Baseline for Ego-centric 3D Visual Grounding with a Homogeneous Framework
di: Zhang, Yani, et al.
Pubblicazione: (2025)
di: Zhang, Yani, et al.
Pubblicazione: (2025)
Quantized Visual Geometry Grounded Transformer
di: Feng, Weilun, et al.
Pubblicazione: (2025)
di: Feng, Weilun, et al.
Pubblicazione: (2025)
Sparse Fine-Tuning of Transformers for Generative Tasks
di: Chen, Wei, et al.
Pubblicazione: (2025)
di: Chen, Wei, et al.
Pubblicazione: (2025)
VoxelFormer: Parameter-Efficient Multi-Subject Visual Decoding from fMRI
di: Le, Chenqian, et al.
Pubblicazione: (2025)
di: Le, Chenqian, et al.
Pubblicazione: (2025)
Flexible and Efficient Spatio-Temporal Transformer for Sequential Visual Place Recognition
di: Kiu, Yu, et al.
Pubblicazione: (2025)
di: Kiu, Yu, et al.
Pubblicazione: (2025)
Data-Efficient 3D Visual Grounding via Order-Aware Referring
di: Wu, Tung-Yu, et al.
Pubblicazione: (2024)
di: Wu, Tung-Yu, et al.
Pubblicazione: (2024)
Technical Report for SoccerNet Challenge 2022 -- Replay Grounding Task
di: Chen, Shimin, et al.
Pubblicazione: (2024)
di: Chen, Shimin, et al.
Pubblicazione: (2024)
Collaborative Decoding Makes Visual Auto-Regressive Modeling Efficient
di: Chen, Zigeng, et al.
Pubblicazione: (2024)
di: Chen, Zigeng, et al.
Pubblicazione: (2024)
MTMamba++: Enhancing Multi-Task Dense Scene Understanding via Mamba-Based Decoders
di: Lin, Baijiong, et al.
Pubblicazione: (2024)
di: Lin, Baijiong, et al.
Pubblicazione: (2024)
Progressive Language-guided Visual Learning for Multi-Task Visual Grounding
di: Wang, Jingchao, et al.
Pubblicazione: (2025)
di: Wang, Jingchao, et al.
Pubblicazione: (2025)
Grounded SAM: Assembling Open-World Models for Diverse Visual Tasks
di: Ren, Tianhe, et al.
Pubblicazione: (2024)
di: Ren, Tianhe, et al.
Pubblicazione: (2024)
A Vanilla Multi-Task Framework for Dense Visual Prediction Solution to 1st VCL Challenge -- Multi-Task Robustness Track
di: Chen, Zehui, et al.
Pubblicazione: (2024)
di: Chen, Zehui, et al.
Pubblicazione: (2024)
TADFormer : Task-Adaptive Dynamic Transformer for Efficient Multi-Task Learning
di: Baek, Seungmin, et al.
Pubblicazione: (2025)
di: Baek, Seungmin, et al.
Pubblicazione: (2025)
UniQ: Unified Decoder with Task-specific Queries for Efficient Scene Graph Generation
di: Liao, Xinyao, et al.
Pubblicazione: (2025)
di: Liao, Xinyao, et al.
Pubblicazione: (2025)
UGround: Towards Unified Visual Grounding with Unrolled Transformers
di: Qian, Rui, et al.
Pubblicazione: (2025)
di: Qian, Rui, et al.
Pubblicazione: (2025)
Adapting LLaMA Decoder to Vision Transformer
di: Wang, Jiahao, et al.
Pubblicazione: (2024)
di: Wang, Jiahao, et al.
Pubblicazione: (2024)
Emergent Outlier View Rejection in Visual Geometry Grounded Transformers
di: Han, Jisang, et al.
Pubblicazione: (2025)
di: Han, Jisang, et al.
Pubblicazione: (2025)
Robust Analysis of Multi-Task Learning Efficiency: New Benchmarks on Light-Weighed Backbones and Effective Measurement of Multi-Task Learning Challenges by Feature Disentanglement
di: Mao, Dayou, et al.
Pubblicazione: (2024)
di: Mao, Dayou, et al.
Pubblicazione: (2024)
EGM: Efficient Visual Grounding Language Models
di: Zhan, Guanqi, et al.
Pubblicazione: (2026)
di: Zhan, Guanqi, et al.
Pubblicazione: (2026)
LiSD: An Efficient Multi-Task Learning Framework for LiDAR Segmentation and Detection
di: Xu, Jiahua, et al.
Pubblicazione: (2024)
di: Xu, Jiahua, et al.
Pubblicazione: (2024)
CRAFT: A Neuro-Symbolic Framework for Visual Functional Affordance Grounding
di: Chen, Zhou, et al.
Pubblicazione: (2025)
di: Chen, Zhou, et al.
Pubblicazione: (2025)
Improving Data Augmentation for Robust Visual Question Answering with Effective Curriculum Learning
di: Zheng, Yuhang, et al.
Pubblicazione: (2024)
di: Zheng, Yuhang, et al.
Pubblicazione: (2024)
Multi-Task Learning for Visually Grounded Reasoning in Gastrointestinal VQA
di: Safwan, Itbaan, et al.
Pubblicazione: (2025)
di: Safwan, Itbaan, et al.
Pubblicazione: (2025)
Robust Visual Localization via Semantic-Guided Multi-Scale Transformer
di: Tian, Zhongtao, et al.
Pubblicazione: (2025)
di: Tian, Zhongtao, et al.
Pubblicazione: (2025)
LEAML: Label-Efficient Adaptation to Out-of-Distribution Visual Tasks for Multimodal Large Language Models
di: Lin, Ci-Siang, et al.
Pubblicazione: (2025)
di: Lin, Ci-Siang, et al.
Pubblicazione: (2025)
Patch-as-Decodable-Token: Towards Unified Multi-Modal Vision Tasks in MLLMs
di: Su, Yongyi, et al.
Pubblicazione: (2025)
di: Su, Yongyi, et al.
Pubblicazione: (2025)
RegionReasoner: Region-Grounded Multi-Round Visual Reasoning
di: Sun, Wenfang, et al.
Pubblicazione: (2026)
di: Sun, Wenfang, et al.
Pubblicazione: (2026)
Documenti analoghi
-
Masked AutoDecoder is Effective Multi-Task Vision Generalist
di: Qiu, Han, et al.
Pubblicazione: (2024) -
Transforming Vision Transformer: Towards Efficient Multi-Task Asynchronous Learning
di: Zhong, Hanwen, et al.
Pubblicazione: (2025) -
NuGrounding: A Multi-View 3D Visual Grounding Framework in Autonomous Driving
di: Li, Fuhao, et al.
Pubblicazione: (2025) -
MTMamba: Enhancing Multi-Task Dense Scene Understanding by Mamba-Based Decoders
di: Lin, Baijiong, et al.
Pubblicazione: (2024) -
EDTformer: An Efficient Decoder Transformer for Visual Place Recognition
di: Jin, Tong, et al.
Pubblicazione: (2024)