:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Cakaj, Rinor, Mehnert, Jens, Yang, Bin
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Machine Learning
Online-Zugang:	https://arxiv.org/abs/2410.00823
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

CNN Mixture-of-Depths
von: Cakaj, Rinor, et al.
Veröffentlicht: (2024)

Spectral Wavelet Dropout: Regularization in the Wavelet Domain
von: Cakaj, Rinor, et al.
Veröffentlicht: (2024)

From Label Error Detection to Correction: A Modular Framework and Benchmark for Object Detection Datasets
von: Penquitt, Sarina, et al.
Veröffentlicht: (2025)

Data-Free Dynamic Compression of CNNs for Tractable Efficiency
von: Meiner, Lukas, et al.
Veröffentlicht: (2023)

PROM: Prioritize Reduction of Multiplications Over Lower Bit-Widths for Efficient CNNs
von: Meiner, Lukas, et al.
Veröffentlicht: (2025)

Variance-Based Pruning for Accelerating and Compressing Trained Networks
von: Berisha, Uranik, et al.
Veröffentlicht: (2025)

Remembering Transformer for Continual Learning
von: Sun, Yuwei, et al.
Veröffentlicht: (2024)

Achieving 3D Attention via Triplet Squeeze and Excitation Block
von: Alhazmi, Maan, et al.
Veröffentlicht: (2025)

Squeezed Diffusion Models
von: Singh, Jyotirmai, et al.
Veröffentlicht: (2025)

Look, Remember and Reason: Grounded reasoning in videos with language models
von: Bhattacharyya, Apratim, et al.
Veröffentlicht: (2023)

How to Squeeze An Explanation Out of Your Model
von: Roxo, Tiago, et al.
Veröffentlicht: (2024)

Remembering by Reconstructing: Domain Incremental Learning With Test-Time Training on Video Streams
von: Swinnen, Jonathan, et al.
Veröffentlicht: (2026)

Attend Locally, Remember Linearly: Linear Attention as Cross-Frame Memory for Autoregressive Video Diffusion
von: Li, Kunyang, et al.
Veröffentlicht: (2026)

Learning New Concepts, Remembering the Old: Continual Learning for Multimodal Concept Bottleneck Models
von: Lai, Songning, et al.
Veröffentlicht: (2024)

Block Flow: Learning Straight Flow on Data Blocks
von: Wang, Zibin, et al.
Veröffentlicht: (2025)

Efficient Data Driven Mixture-of-Expert Extraction from Trained Networks
von: Berisha, Uranik, et al.
Veröffentlicht: (2025)

Squeeze3D: Your 3D Generation Model is Secretly an Extreme Neural Compressor
von: Dagli, Rishit, et al.
Veröffentlicht: (2025)

How LoRA Remembers? A Parametric Memory Law for LLM Finetuning
von: Xu, Ziwen, et al.
Veröffentlicht: (2026)

Block Selective Reprogramming for On-device Training of Vision Transformers
von: Sarkar, Sreetama, et al.
Veröffentlicht: (2024)

Avoiding Generative Model Writer's Block With Embedding Nudging
von: Zand, Ali, et al.
Veröffentlicht: (2024)

MABViT -- Modified Attention Block Enhances Vision Transformers
von: Ramesh, Mahesh, et al.
Veröffentlicht: (2023)

Block Graph Neural Networks for tumor heterogeneity prediction
von: Njifon, Marianne Abémgnigni, et al.
Veröffentlicht: (2025)

GMM-COMET: Continual Source-Free Universal Domain Adaptation via a Mean Teacher and Gaussian Mixture Model-Based Pseudo-Labeling
von: Schlachter, Pascal, et al.
Veröffentlicht: (2026)

Replay to Remember (R2R): An Efficient Uncertainty-driven Unsupervised Continual Learning Framework Using Generative Replay
von: Mandalika, Sriram, et al.
Veröffentlicht: (2025)

Squeeze Out Tokens from Sample for Finer-Grained Data Governance
von: Lin, Weixiong, et al.
Veröffentlicht: (2025)

Memory Efficient Neural Processes via Constant Memory Attention Block
von: Feng, Leo, et al.
Veröffentlicht: (2023)

Squeeze, Recover and Relabel: Dataset Condensation at ImageNet Scale From A New Perspective
von: Yin, Zeyuan, et al.
Veröffentlicht: (2023)

Building Blocks for Robust and Effective Semi-Supervised Real-World Object Detection
von: Sbeyti, Moussa Kassem, et al.
Veröffentlicht: (2025)

Poly-MgNet: Polynomial Building Blocks in Multigrid-Inspired ResNets
von: van Betteray, Antonia, et al.
Veröffentlicht: (2025)

Analysis of Pseudo-Labeling for Online Source-Free Universal Domain Adaptation
von: Schlachter, Pascal, et al.
Veröffentlicht: (2025)

Reconstruction vs. Generation: Taming Optimization Dilemma in Latent Diffusion Models
von: Yao, Jingfeng, et al.
Veröffentlicht: (2025)

Decoupling Dark Knowledge via Block-wise Logit Distillation for Feature-level Alignment
von: Yu, Chengting, et al.
Veröffentlicht: (2024)

RISSOLE: Parameter-efficient Diffusion Models via Block-wise Generation and Retrieval-Guidance
von: Mukherjee, Avideep, et al.
Veröffentlicht: (2024)

EvalBlocks: A Modular Pipeline for Rapidly Evaluating Foundation Models in Medical Imaging
von: Tagscherer, Jan, et al.
Veröffentlicht: (2026)

Models as Lego Builders: Assembling Malice from Benign Blocks via Semantic Blueprints
von: Li, Chenxi, et al.
Veröffentlicht: (2026)

DiffMM: Efficient Method for Accurate Noisy and Sparse Trajectory Map Matching via One Step Diffusion
von: Han, Chenxu, et al.
Veröffentlicht: (2026)

Separate, Dynamic and Differentiable (SMART) Pruner for Block/Output Channel Pruning on Computer Vision Tasks
von: Ding, Guanhua, et al.
Veröffentlicht: (2024)

Deep Learning-Based Channel Squeeze U-Structure for Lung Nodule Detection and Segmentation
von: Sui, Mingxiu, et al.
Veröffentlicht: (2024)

One-Shot Heterogeneous Federated Learning with Local Model-Guided Diffusion Models
von: Yang, Mingzhao, et al.
Veröffentlicht: (2023)

Federated Adaptive Prompt Tuning for Multi-Domain Collaborative Learning
von: Su, Shangchao, et al.
Veröffentlicht: (2022)