Buchumschlag

Learning A Low-Level Vision Generalist via Visual Task Prompt

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Xiangyu, Liu, Yihao, Pu, Yuandong, Zhang, Wenlong, Zhou, Jiantao, Qiao, Yu, Dong, Chao
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

Exploring Scalable Unified Modeling for General Low-Level Vision
von: Chen, Xiangyu, et al.
Veröffentlicht: (2025)

A Comparative Study of Image Restoration Networks for General Backbone Network Design
von: Chen, Xiangyu, et al.
Veröffentlicht: (2023)

Lumina-OmniLV: A Unified Multimodal Framework for General Low-Level Vision
von: Pu, Yuandong, et al.
Veröffentlicht: (2025)

Unifying Image Processing as Visual Prompting Question Answering
von: Liu, Yihao, et al.
Veröffentlicht: (2023)

HAT: Hybrid Attention Transformer for Image Restoration
von: Chen, Xiangyu, et al.
Veröffentlicht: (2023)

A Preliminary Exploration Towards General Image Restoration
von: Kong, Xiangtao, et al.
Veröffentlicht: (2024)

UniPercept: Towards Unified Perceptual-Level Image Understanding across Aesthetics, Quality, Structure, and Texture
von: Cao, Shuo, et al.
Veröffentlicht: (2025)

GRIDS: Grouped Multiple-Degradation Restoration with Image Degradation Similarity
von: Cao, Shuo, et al.
Veröffentlicht: (2024)

Towards Efficient SDRTV-to-HDRTV by Learning from Image Formation
von: Chen, Xiangyu, et al.
Veröffentlicht: (2023)

From Generalist to Specialist: Adapting Vision Language Models via Task-Specific Visual Instruction Tuning
von: Bai, Yang, et al.
Veröffentlicht: (2024)

WeatherGFM: Learning A Weather Generalist Foundation Model via In-context Learning
von: Zhao, Xiangyu, et al.
Veröffentlicht: (2024)

SynWeather: Weather Observation Data Synthesis across Multiple Regions and Variables via a General Diffusion Transformer
von: Xu, Kaiyi, et al.
Veröffentlicht: (2025)

SEAL: A Framework for Systematic Evaluation of Real-World Super-Resolution
von: Zhang, Wenlong, et al.
Veröffentlicht: (2023)

VisionLLM v2: An End-to-End Generalist Multimodal Large Language Model for Hundreds of Vision-Language Tasks
von: Wu, Jiannan, et al.
Veröffentlicht: (2024)

DICEPTION: A Generalist Diffusion Model for Visual Perceptual Tasks
von: Zhao, Canyu, et al.
Veröffentlicht: (2025)

Medical Vision Generalist: Unifying Medical Imaging Tasks in Context
von: Ren, Sucheng, et al.
Veröffentlicht: (2024)

Dita: Scaling Diffusion Transformer for Generalist Vision-Language-Action Policy
von: Hou, Zhi, et al.
Veröffentlicht: (2025)

OmniFashion: Towards Generalist Fashion Intelligence via Multi-Task Vision-Language Learning
von: Yang, Zhengwei, et al.
Veröffentlicht: (2026)

Causality-guided Prompt Learning for Vision-language Models via Visual Granulation
von: Gao, Mengyu, et al.
Veröffentlicht: (2025)

Vision Foundation Models as Generalist Tokenizers for Image Generation
von: Zheng, Anlin, et al.
Veröffentlicht: (2026)

Toward Generalizable Deblurring: Leveraging Massive Blur Priors with Linear Attention for Real-World Scenarios
von: Gao, Yuanting, et al.
Veröffentlicht: (2026)

Vision Graph Prompting via Semantic Low-Rank Decomposition
von: Ai, Zixiang, et al.
Veröffentlicht: (2025)

MetaCaptioner: Towards Generalist Visual Captioning with Open-source Suites
von: Lei, Zhenxin, et al.
Veröffentlicht: (2025)

Accelerating Masked Image Generation by Learning Latent Controlled Dynamics
von: Zhu, Kaiwen, et al.
Veröffentlicht: (2026)

PECTP: Parameter-Efficient Cross-Task Prompts for Incremental Vision Transformer
von: Feng, Qian, et al.
Veröffentlicht: (2024)

ArtiMuse: Fine-Grained Image Aesthetics Assessment with Joint Scoring and Expert-Level Understanding
von: Cao, Shuo, et al.
Veröffentlicht: (2025)

Masked AutoDecoder is Effective Multi-Task Vision Generalist
von: Qiu, Han, et al.
Veröffentlicht: (2024)

Toward a Diffusion-Based Generalist for Dense Vision Tasks
von: Fan, Yue, et al.
Veröffentlicht: (2024)

Factuality Matters: When Image Generation and Editing Meet Structured Visuals
von: Zhuo, Le, et al.
Veröffentlicht: (2025)

Exploring Task-Level Optimal Prompts for Visual In-Context Learning
von: Zhu, Yan, et al.
Veröffentlicht: (2025)

PICABench: How Far Are We from Physically Realistic Image Editing?
von: Pu, Yuandong, et al.
Veröffentlicht: (2025)

Vision Generalist Model: A Survey
von: Wang, Ziyi, et al.
Veröffentlicht: (2025)

Omni-Weather: A Unified Multimodal Model for Weather Radar Understanding and Generation
von: Zhou, Zhiwang, et al.
Veröffentlicht: (2025)

Evolution-based Region Adversarial Prompt Learning for Robustness Enhancement in Vision-Language Models
von: Jia, Xiaojun, et al.
Veröffentlicht: (2025)

IAP: Improving Continual Learning of Vision-Language Models via Instance-Aware Prompting
von: Fu, Hao, et al.
Veröffentlicht: (2025)

GLID: Pre-training a Generalist Encoder-Decoder Vision Model
von: Liu, Jihao, et al.
Veröffentlicht: (2024)

VPTracker: Global Vision-Language Tracking via Visual Prompt
von: Wang, Jingchao, et al.
Veröffentlicht: (2025)

Verify Claimed Text-to-Image Models via Boundary-Aware Prompt Optimization
von: Zhao, Zidong, et al.
Veröffentlicht: (2026)

LM4LV: A Frozen Large Language Model for Low-level Vision Tasks
von: Zheng, Boyang, et al.
Veröffentlicht: (2024)

MARE: Multimodal Alignment and Reinforcement for Explainable Deepfake Detection via Vision-Language Models
von: Xu, Wenbo, et al.
Veröffentlicht: (2026)