Buchumschlag

ViLReF: An Expert Knowledge Enabled Vision-Language Retinal Foundation Model

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yang, Shengzhu, Du, Jiawei, Guo, Jia, Zhang, Weihang, Liu, Hanruo, Li, Huiqi, Wang, Ningli
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

RET-CLIP: A Retinal Image Foundation Model Pre-trained with Clinical Diagnostic Reports
von: Du, Jiawei, et al.
Veröffentlicht: (2024)

Deep Expert Injection for Anchoring Retinal VLMs with Domain-Specific Knowledge
von: Lu, Shuai, et al.
Veröffentlicht: (2026)

CLIPin: A Non-contrastive Plug-in to CLIP for Multimodal Semantic Alignment
von: Yang, Shengzhu, et al.
Veröffentlicht: (2025)

Native Intelligence Emerges from Large-Scale Clinical Practice: A Retinal Foundation Model with Deployment Efficiency
von: Guo, Jia, et al.
Veröffentlicht: (2025)

Absolute-Unified Multi-Class Anomaly Detection via Class-Agnostic Distribution Alignment
von: Guo, Jia, et al.
Veröffentlicht: (2024)

CanViT: Toward Active-Vision Foundation Models
von: Berreby, Yohaï-Eliel, et al.
Veröffentlicht: (2026)

ViThinker: Active Vision-Language Reasoning via Dynamic Perceptual Querying
von: You, Weihang, et al.
Veröffentlicht: (2026)

Dinomaly: The Less Is More Philosophy in Multi-Class Unsupervised Anomaly Detection
von: Guo, Jia, et al.
Veröffentlicht: (2024)

RetFiner: A Vision-Language Refinement Scheme for Retinal Foundation Models
von: Fecso, Ronald, et al.
Veröffentlicht: (2025)

SIMPACT: Simulation-Enabled Action Planning using Vision-Language Models
von: Liu, Haowen, et al.
Veröffentlicht: (2025)

ToVE: Efficient Vision-Language Learning via Knowledge Transfer from Vision Experts
von: Wu, Yuanchen, et al.
Veröffentlicht: (2025)

KPL: Training-Free Medical Knowledge Mining of Vision-Language Models
von: Liu, Jiaxiang, et al.
Veröffentlicht: (2025)

F-ViTA: Foundation Model Guided Visible to Thermal Translation
von: Paranjape, Jay N., et al.
Veröffentlicht: (2025)

VILA-M3: Enhancing Vision-Language Models with Medical Expert Knowledge
von: Nath, Vishwesh, et al.
Veröffentlicht: (2024)

SkyMoE: A Vision-Language Foundation Model for Enhancing Geospatial Interpretation with Mixture of Experts
von: Liu, Jiaqi, et al.
Veröffentlicht: (2025)

ViMoE: An Empirical Study of Designing Vision Mixture-of-Experts
von: Han, Xumeng, et al.
Veröffentlicht: (2024)

ViTamin: Designing Scalable Vision Models in the Vision-Language Era
von: Chen, Jieneng, et al.
Veröffentlicht: (2024)

UrFound: Towards Universal Retinal Foundation Models via Knowledge-Guided Masked Modeling
von: Yu, Kai, et al.
Veröffentlicht: (2024)

ViSurf: Visual Supervised-and-Reinforcement Fine-Tuning for Large Vision-and-Language Models
von: Liu, Yuqi, et al.
Veröffentlicht: (2025)

RetSTA: An LLM-Based Approach for Standardizing Clinical Fundus Image Reports
von: Cai, Jiushen, et al.
Veröffentlicht: (2025)

MM-Retinal V2: Transfer an Elite Knowledge Spark into Fundus Vision-Language Pretraining
von: Wu, Ruiqi, et al.
Veröffentlicht: (2025)

ViT-Split: Unleashing the Power of Vision Foundation Models via Efficient Splitting Heads
von: Li, Yifan, et al.
Veröffentlicht: (2025)

LaVi: Efficient Large Vision-Language Models via Internal Feature Modulation
von: Yue, Tongtian, et al.
Veröffentlicht: (2025)

MM-Retinal: Knowledge-Enhanced Foundational Pretraining with Fundus Image-Text Expertise
von: Wu, Ruiqi, et al.
Veröffentlicht: (2024)

A Foundation Language-Image Model of the Retina (FLAIR): Encoding Expert Knowledge in Text Supervision
von: Silva-Rodríguez, Julio, et al.
Veröffentlicht: (2023)

Adapting Foundation Vision-Language Models to Medical Diagnosis via Query-Driven Expert Bridging
von: Li, Yitong, et al.
Veröffentlicht: (2025)

Large-scale DSM registration via motion averaging
von: Xu, Ningli, et al.
Veröffentlicht: (2024)

Geospecific View Generation -- Geometry-Context Aware High-resolution Ground View Inference from Satellite Views
von: Xu, Ningli, et al.
Veröffentlicht: (2024)

Satellite to GroundScape -- Large-scale Consistent Ground View Generation from Satellite Views
von: Xu, Ningli, et al.
Veröffentlicht: (2025)

Cross-view Localization and Synthesis -- Datasets, Challenges and Opportunities
von: Xu, Ningli, et al.
Veröffentlicht: (2025)

Equipping Vision Foundation Model with Mixture of Experts for Out-of-Distribution Detection
von: Zhao, Shizhen, et al.
Veröffentlicht: (2025)

IML-ViT: Benchmarking Image Manipulation Localization by Vision Transformer
von: Ma, Xiaochen, et al.
Veröffentlicht: (2023)

MobileViCLIP: An Efficient Video-Text Model for Mobile Devices
von: Yang, Min, et al.
Veröffentlicht: (2025)

ViT-Linearizer: Distilling Quadratic Knowledge into Linear-Time Vision Models
von: Wei, Guoyizhe, et al.
Veröffentlicht: (2025)

ViCLIP-OT: The First Foundation Vision-Language Model for Vietnamese Image-Text Retrieval with Optimal Transport
von: Tran, Quoc-Khang, et al.
Veröffentlicht: (2026)

ButterflyViT: 354$\times$ Expert Compression for Edge Vision Transformers
von: Karmore, Aryan
Veröffentlicht: (2026)

ViTime: Foundation Model for Time Series Forecasting Powered by Vision Intelligence
von: Yang, Luoxiao, et al.
Veröffentlicht: (2024)

Fundus to Fluorescein Angiography Video Generation as a Retinal Generative Foundation Model
von: Zhang, Weiyi, et al.
Veröffentlicht: (2024)

Towards Vision-Language Geo-Foundation Model: A Survey
von: Zhou, Yue, et al.
Veröffentlicht: (2024)

Lifelong Knowledge Editing for Vision Language Models with Low-Rank Mixture-of-Experts
von: Chen, Qizhou, et al.
Veröffentlicht: (2024)