Buchumschlag

Segment-Anything Models Achieve Zero-shot Robustness in Autonomous Driving

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yan, Jun, Wang, Pengyu, Wang, Danni, Huang, Weiquan, Watzenig, Daniel, Yin, Huilin
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

MAP: End-to-End Autonomous Driving with Map-Assisted Planning
von: Yin, Huilin, et al.
Veröffentlicht: (2025)

WS-DETR: Robust Water Surface Object Detection through Vision-Radar Fusion with Detection Transformer
von: Yin, Huilin, et al.
Veröffentlicht: (2025)

On the Real-World Adversarial Robustness of Real-Time Semantic Segmentation Models for Autonomous Driving
von: Rossolini, Giulio, et al.
Veröffentlicht: (2022)

X-SAM: From Segment Anything to Any Segmentation
von: Wang, Hao, et al.
Veröffentlicht: (2025)

Segment Anything for Videos: A Systematic Survey
von: Zhang, Chunhui, et al.
Veröffentlicht: (2024)

Semantic Localization Guiding Segment Anything Model For Reference Remote Sensing Image Segmentation
von: Li, Shuyang, et al.
Veröffentlicht: (2025)

RobustSAM: Segment Anything Robustly on Degraded Images
von: Chen, Wei-Ting, et al.
Veröffentlicht: (2024)

Learning Segmented 3D Gaussians via Efficient Feature Unprojection for Zero-shot Neural Scene Segmentation
von: Dou, Bin, et al.
Veröffentlicht: (2024)

ALPS: An Auto-Labeling and Pre-training Scheme for Remote Sensing Segmentation With Segment Anything Model
von: Zhang, Song, et al.
Veröffentlicht: (2024)

Segment Anything in Pathology Images with Natural Language
von: Chen, Zhixuan, et al.
Veröffentlicht: (2025)

SAMAug: Point Prompt Augmentation for Segment Anything Model
von: Dai, Haixing, et al.
Veröffentlicht: (2023)

Compress Any Segment Anything Model (SAM)
von: Fan, Juntong, et al.
Veröffentlicht: (2025)

Segment and Matte Anything in a Unified Model
von: Fan, Zezhong, et al.
Veröffentlicht: (2026)

Zero-Shot Segmentation of Eye Features Using the Segment Anything Model (SAM)
von: Maquiling, Virmarie, et al.
Veröffentlicht: (2023)

WeakSAM: Segment Anything Meets Weakly-supervised Instance-level Recognition
von: Zhu, Lianghui, et al.
Veröffentlicht: (2024)

SAM 3: Segment Anything with Concepts
von: Carion, Nicolas, et al.
Veröffentlicht: (2025)

Hierarchically Robust Zero-shot Vision-language Models
von: Dong, Junhao, et al.
Veröffentlicht: (2026)

StarFT: Robust Fine-tuning of Zero-shot Models via Spuriosity Alignment
von: Kim, Younghyun, et al.
Veröffentlicht: (2025)

TopoStreamer: Temporal Lane Segment Topology Reasoning in Autonomous Driving
von: Yang, Yiming, et al.
Veröffentlicht: (2025)

Transient Fault Tolerant Semantic Segmentation for Autonomous Driving
von: Iurada, Leonardo, et al.
Veröffentlicht: (2024)

Zero-shot World Models Are Developmentally Efficient Learners
von: Aw, Khai Loong, et al.
Veröffentlicht: (2026)

Promoting Segment Anything Model towards Highly Accurate Dichotomous Image Segmentation
von: Liu, Xianjie, et al.
Veröffentlicht: (2023)

Cross-Model Transferability of Adversarial Patches in Real-time Segmentation for Autonomous Driving
von: Shekhar, Prashant, et al.
Veröffentlicht: (2025)

Uncertainty-Encoded Multi-Modal Fusion for Robust Object Detection in Autonomous Driving
von: Lou, Yang, et al.
Veröffentlicht: (2023)

LENS: Learning to Segment Anything with Unified Reinforced Reasoning
von: Zhu, Lianghui, et al.
Veröffentlicht: (2025)

Zeus: Zero-shot LLM Instruction for Union Segmentation in Multimodal Medical Imaging
von: Dai, Siyuan, et al.
Veröffentlicht: (2025)

DFVEdit: Conditional Delta Flow Vector for Zero-shot Video Editing
von: Cai, Lingling, et al.
Veröffentlicht: (2025)

SparseSAM: Structured Sparsification of Activations in Segment Anything Models
von: Tran, Hoai-Chau, et al.
Veröffentlicht: (2026)

Visual Space Optimization for Zero-shot Learning
von: Wang, Xinsheng, et al.
Veröffentlicht: (2019)

MoECLIP: Patch-Specialized Experts for Zero-shot Anomaly Detection
von: Park, Jun Yeong, et al.
Veröffentlicht: (2026)

RefSAM: Efficiently Adapting Segmenting Anything Model for Referring Video Object Segmentation
von: Li, Yonglin, et al.
Veröffentlicht: (2023)

Zero-shot High-fidelity and Pose-controllable Character Animation
von: Zhu, Bingwen, et al.
Veröffentlicht: (2024)

Towards Robust Unsupervised Attention Prediction in Autonomous Driving
von: Qi, Mengshi, et al.
Veröffentlicht: (2025)

DriveVLA-W0: World Models Amplify Data Scaling Law in Autonomous Driving
von: Li, Yingyan, et al.
Veröffentlicht: (2025)

Red-Teaming Segment Anything Model
von: Jankowski, Krzysztof, et al.
Veröffentlicht: (2024)

Test-Time Adaptation with SaLIP: A Cascade of SAM and CLIP for Zero shot Medical Image Segmentation
von: Aleem, Sidra, et al.
Veröffentlicht: (2024)

Q-SAM2: Accurate Quantization for Segment Anything Model 2
von: Farronato, Nicola, et al.
Veröffentlicht: (2025)

Prompt Engineering in Segment Anything Model: Methodologies, Applications, and Emerging Challenges
von: Jiang, Yidong
Veröffentlicht: (2025)

InstantID: Zero-shot Identity-Preserving Generation in Seconds
von: Wang, Qixun, et al.
Veröffentlicht: (2024)

Customize Segment Anything Model for Multi-Modal Semantic Segmentation with Mixture of LoRA Experts
von: Zhu, Chenyang, et al.
Veröffentlicht: (2024)