Buchumschlag

Probabilistic Language-Image Pre-Training

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chun, Sanghyuk, Kim, Wonjae, Park, Song, Yun, Sangdoo
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

LongProLIP: A Probabilistic Vision-Language Model with Long Context Text
von: Chun, Sanghyuk, et al.
Veröffentlicht: (2025)

Language-only Efficient Training of Zero-shot Composed Image Retrieval
von: Gu, Geonmo, et al.
Veröffentlicht: (2023)

Emergence of Text Readability in Vision Language Models
von: Park, Jaeyoo, et al.
Veröffentlicht: (2025)

Improved Probabilistic Image-Text Representations
von: Chun, Sanghyuk
Veröffentlicht: (2023)

HYPE: Hyperbolic Entailment Filtering for Underspecified Images and Texts
von: Kim, Wonjae, et al.
Veröffentlicht: (2024)

Toward Interactive Regional Understanding in Vision-Large Language Models
von: Lee, Jungbeom, et al.
Veröffentlicht: (2024)

CompoDiff: Versatile Composed Image Retrieval With Latent Diffusion
von: Gu, Geonmo, et al.
Veröffentlicht: (2023)

Multiplicity is an Inevitable and Inherent Challenge in Multimodal Learning
von: Chun, Sanghyuk
Veröffentlicht: (2025)

DNNs May Determine Major Properties of Their Outputs Early, with Timing Possibly Driven by Bias
von: Park, Song, et al.
Veröffentlicht: (2025)

Rotary Position Embedding for Vision Transformer
von: Heo, Byeongho, et al.
Veröffentlicht: (2024)

ECCV Caption: Correcting False Negatives by Collecting Machine-and-Human-verified Image-Caption Associations for MS-COCO
von: Chun, Sanghyuk, et al.
Veröffentlicht: (2022)

DaWin: Training-free Dynamic Weight Interpolation for Robust Adaptation
von: Oh, Changdae, et al.
Veröffentlicht: (2024)

Match me if you can: Semi-Supervised Semantic Correspondence Learning with Unpaired Images
von: Kim, Jiwon, et al.
Veröffentlicht: (2023)

Masking meets Supervision: A Strong Learning Alliance
von: Heo, Byeongho, et al.
Veröffentlicht: (2023)

STELLA: Continual Audio-Video Pre-training with Spatio-Temporal Localized Alignment
von: Lee, Jaewoo, et al.
Veröffentlicht: (2023)

Similarity of Neural Architectures using Adversarial Attack Transferability
von: Hwang, Jaehui, et al.
Veröffentlicht: (2022)

RL makes MLLMs see better than SFT
von: Song, Junha, et al.
Veröffentlicht: (2025)

Contrastive Localized Language-Image Pre-Training
von: Chen, Hong-You, et al.
Veröffentlicht: (2024)

Model Stock: All we need is just a few fine-tuned models
von: Jang, Dong-Hwan, et al.
Veröffentlicht: (2024)

RoCOCO: Robustness Benchmark of MS-COCO to Stress-test Image-Text Matching Models
von: Park, Seulki, et al.
Veröffentlicht: (2023)

An Efficient Post-hoc Framework for Reducing Task Discrepancy of Text Encoders for Composed Image Retrieval
von: Byun, Jaeseok, et al.
Veröffentlicht: (2024)

Centered Masking for Language-Image Pre-Training
von: Liang, Mingliang, et al.
Veröffentlicht: (2024)

Embedding Geometries of Contrastive Language-Image Pre-Training
von: Chou, Jason Chuan-Chih, et al.
Veröffentlicht: (2024)

A Closer Look at the Robustness of Contrastive Language-Image Pre-Training (CLIP)
von: Tu, Weijie, et al.
Veröffentlicht: (2024)

Probabilistic Precision and Recall Towards Reliable Evaluation of Generative Models
von: Park, Dogyun, et al.
Veröffentlicht: (2023)

Extract Free Dense Misalignment from CLIP
von: Nam, JeongYeon, et al.
Veröffentlicht: (2024)

Improving Generative Pre-Training: An In-depth Study of Masked Image Modeling and Denoising Models
von: Choi, Hyesong, et al.
Veröffentlicht: (2024)

Prioritizing Image-Related Tokens Enhances Vision-Language Pre-Training
von: Chen, Yangyi, et al.
Veröffentlicht: (2025)

Memory-Efficient Personalization of Text-to-Image Diffusion Models via Selective Optimization Strategies
von: Choi, Seokeon, et al.
Veröffentlicht: (2025)

Visual Pre-Training on Unlabeled Images using Reinforcement Learning
von: Ghosh, Dibya, et al.
Veröffentlicht: (2025)

Test-Time Training for Visual Foresight Vision-Language-Action Models
von: Park, Sangwu, et al.
Veröffentlicht: (2026)

PARIC: Probabilistic Attention Regularization for Language Guided Image Classification from Pre-trained Vison Language Models
von: Nautiyal, Mayank, et al.
Veröffentlicht: (2025)

Steering Guidance for Personalized Text-to-Image Diffusion Models
von: Park, Sunghyun, et al.
Veröffentlicht: (2025)

High-Fidelity Text-to-Image Generation from Pre-Trained Vision-Language Models via Distribution-Conditioned Diffusion Decoding
von: Hong, Ji Woo, et al.
Veröffentlicht: (2026)

Stabilizing Consistency Training: A Flow Map Analysis and Self-Distillation
von: Kim, Youngjoong, et al.
Veröffentlicht: (2026)

Source-Free Domain Adaptation Guided by Vision and Vision-Language Pre-Training
von: Zhang, Wenyu, et al.
Veröffentlicht: (2024)

Zero-Shot Video Restoration and Enhancement Using Pre-Trained Image Diffusion Model
von: Cao, Cong, et al.
Veröffentlicht: (2024)

TimePre: Bridging Accuracy, Efficiency, and Stability in Probabilistic Time-Series Forecasting
von: Jiang, Lingyu, et al.
Veröffentlicht: (2025)

Unsupervised Video Domain Adaptation with Masked Pre-Training and Collaborative Self-Training
von: Reddy, Arun, et al.
Veröffentlicht: (2023)

PTQ4VM: Post-Training Quantization for Visual Mamba
von: Cho, Younghyun, et al.
Veröffentlicht: (2024)