Buchumschlag

Cropper: Vision-Language Model for Image Cropping through In-Context Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lee, Seung Hyun, Jiang, Jijun, Xu, Yiran, Li, Zhuofang, Ke, Junjie, Li, Yinxiao, He, Junfeng, Hickson, Steven, Datsenko, Katie, Kim, Sangpil, Yang, Ming-Hsuan, Essa, Irfan, Yang, Feng
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

Calibrated Multi-Preference Optimization for Aligning Diffusion Models
von: Lee, Kyungmin, et al.
Veröffentlicht: (2025)

Parrot: Pareto-optimal Multi-Reward Reinforcement Learning Framework for Text-to-Image Generation
von: Lee, Seung Hyun, et al.
Veröffentlicht: (2024)

HALO: Human-Aligned End-to-end Image Retargeting with Layered Transformations
von: Xu, Yiran, et al.
Veröffentlicht: (2025)

DynamicScaler: Seamless and Scalable Video Generation for Panoramic Scenes
von: Liu, Jinxiu, et al.
Veröffentlicht: (2024)

HierSum: A Global and Local Attention Mechanism for Video Summarization
von: Beedu, Apoorva, et al.
Veröffentlicht: (2025)

Predicting Depressive Symptoms through Emotion Pairs within Asian American Families
von: Youm, Sangpil, et al.
Veröffentlicht: (2026)

A Simple Approach to Unifying Diffusion-based Conditional Generation
von: Li, Xirui, et al.
Veröffentlicht: (2024)

Leveraging Procedural Knowledge and Task Hierarchies for Efficient Instructional Video Pre-training
von: Samel, Karan, et al.
Veröffentlicht: (2025)

SLAIM: Robust Dense Neural SLAM for Online Tracking and Mapping
von: Cartillier, Vincent, et al.
Veröffentlicht: (2024)

3D Semantic MapNet: Building Maps for Multi-Object Re-Identification in 3D
von: Cartillier, Vincent, et al.
Veröffentlicht: (2024)

Influence of Illumination Spectrum on Dissociation Kinetics of Iron–Boron Pairs in Silicon
von: Oleg Olikh, et al.
Veröffentlicht: (2024)

Traffic fatalities and economic growth / Elizabeth Kopits, Maureen Cropper
von: Kopits, Elizabeth
Veröffentlicht: (2003)

Vision based Crop Row Navigation under Varying Field Conditions in Arable Fields
von: de Silva, Rajitha, et al.
Veröffentlicht: (2022)

MASIV: Toward Material-Agnostic System Identification from Videos
von: Zhao, Yizhou, et al.
Veröffentlicht: (2025)

Mamba Fusion: Learning Actions Through Questioning
von: Dong, Zhikang, et al.
Veröffentlicht: (2024)

On the Efficacy of Text-Based Input Modalities for Action Anticipation
von: Beedu, Apoorva, et al.
Veröffentlicht: (2024)

Exploring Efficient Foundational Multi-modal Models for Video Summarization
von: Samel, Karan, et al.
Veröffentlicht: (2024)

The value of preventing malaria in Tembien, Ethiopia / Maureen L. Cropper ...[y otros.]
Veröffentlicht: (2000)

Chiplet Actuary: A Quantitative Cost Model and Multi-Chiplet Architecture Exploration
von: Feng, Yinxiao, et al.
Veröffentlicht: (2022)

Switch-Less Dragonfly on Wafers: A Scalable Interconnection Architecture based on Wafer-Scale Integration
von: Feng, Yinxiao, et al.
Veröffentlicht: (2024)

Memory-Augmented Large Language Models: External Memory, Retrieval Mechanisms, and Long-Context Processing
von: Junjie, Yang
Veröffentlicht: (2026)

HoliGS: Holistic Gaussian Splatting for Embodied View Synthesis
von: Wang, Xiaoyuan, et al.
Veröffentlicht: (2025)

MoCHA: Denoising Caption Supervision for Motion-Text Retrieval
von: Warner, Nikolai, et al.
Veröffentlicht: (2026)

Kilohertz-Safe: A Scalable Framework for Constrained Dexterous Retargeting
von: Tian, Yinxiao, et al.
Veröffentlicht: (2026)

Localism, Levelling Up and Taking Back Control: Tensions in the Ambiguous Justification of English Devolution
von: James Hickson, et al.
Veröffentlicht: (2025)

VLA-OPD: Bridging Offline SFT and Online RL for Vision-Language-Action Models via On-Policy Distillation
von: Zhong, Zhide, et al.
Veröffentlicht: (2026)

Turkish Libraries: Historical Context.
von: Cakin, Irfan
Veröffentlicht: (1984)

Highly Efficient Spin Current Transport Properties in Spintronic Devices Based on Topological Insulator
von: Jijun Yun, et al.
Veröffentlicht: (2024)

Tex4D: Zero-shot 4D Scene Texturing with Video Diffusion Models
von: Bao, Jingzhi, et al.
Veröffentlicht: (2024)

VisionTrap: Vision-Augmented Trajectory Prediction Guided by Textual Descriptions
von: Moon, Seokha, et al.
Veröffentlicht: (2024)

AugLift: Depth-Aware Input Reparameterization Improves Domain Generalization in 2D-to-3D Pose Lifting
von: Warner, Nikolai, et al.
Veröffentlicht: (2025)

High-Precision 6DOF Pose Estimation via Global Phase Retrieval in Fringe Projection Profilometry for 3D Mapping
von: Tak, Sehoon, et al.
Veröffentlicht: (2026)

Beyond Stereotypes: Exploring How Minority College Students Experience Stigma on Reddit
von: Han, Chaeeun, et al.
Veröffentlicht: (2025)

Information Seeking and Communication among International Students on Reddit
von: Han, Chaeeun, et al.
Veröffentlicht: (2024)

Human-in-Context: Unified Cross-Domain 3D Human Motion Modeling via In-Context Learning
von: Liu, Mengyuan, et al.
Veröffentlicht: (2025)

Self-Anchored Attention Model for Sample-Efficient Classification of Prosocial Text Chat
von: Li, Zhuofang, et al.
Veröffentlicht: (2025)

Scalable Vision-Guided Crop Yield Estimation
von: Li, Harrison H., et al.
Veröffentlicht: (2025)

Chapter Seen As Friendly, Seen As Frightening?: A Conversation On Visibilities, Kinship, And The Right Words With Mithu Sanyal
von: Essa, Leila
Veröffentlicht: (2025)

The welfare effects of slum improvement programs : the case of Mumbai / Akie Takeuchi, Maureen Cropper, Antonio Bento
von: Takeuchi, Akie
Veröffentlicht: (2006)

Public choices between lifesaving programs : how important are lives saved ? / Maureen Cropper, Uma Subramanian
von: Cropper, Maureen
Veröffentlicht: (1995)