Buchumschlag

A New Method to Capturing Compositional Knowledge in Linguistic Space

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Wan, Jiahe
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

un$^2$CLIP: Improving CLIP's Visual Detail Capturing Ability via Inverting unCLIP
von: Li, Yinqi, et al.
Veröffentlicht: (2025)

Decoupled Competitive Framework for Semi-supervised Medical Image Segmentation
von: Chen, Jiahe, et al.
Veröffentlicht: (2025)

A Novel Method to Improve Quality Surface Coverage in Multi-View Capture
von: Huang, Wei-Lun, et al.
Veröffentlicht: (2024)

PVLR: Prompt-driven Visual-Linguistic Representation Learning for Multi-Label Image Recognition
von: Tan, Hao, et al.
Veröffentlicht: (2024)

ILNet: Trajectory Prediction with Inverse Learning Attention for Enhancing Intention Capture
von: Zeng, Mingjin, et al.
Veröffentlicht: (2025)

Distilling Knowledge from Text-to-Image Generative Models Improves Visio-Linguistic Reasoning in CLIP
von: Basu, Samyadeep, et al.
Veröffentlicht: (2023)

Align Beyond Prompts: Evaluating World Knowledge Alignment in Text-to-Image Generation
von: Zhang, Wenchao, et al.
Veröffentlicht: (2025)

Contrasting Intra-Modal and Ranking Cross-Modal Hard Negatives to Enhance Visio-Linguistic Compositional Understanding
von: Zhang, Le, et al.
Veröffentlicht: (2023)

GenFusion: Feed-forward Human Performance Capture via Progressive Canonical Space Updates
von: Kwon, Youngjoong, et al.
Veröffentlicht: (2026)

Curing Semantic Drift: A Dynamic Approach to Grounding Generation in Large Vision-Language Models
von: Chen, Jiahe, et al.
Veröffentlicht: (2025)

Knowledge Visualization: A Benchmark and Method for Knowledge-Intensive Text-to-Image Generation
von: Zhao, Ran, et al.
Veröffentlicht: (2026)

New Dataset and Methods for Fine-Grained Compositional Referring Expression Comprehension via Specialist-MLLM Collaboration
von: Yang, Xuzheng, et al.
Veröffentlicht: (2025)

GeoStack: A Framework for Quasi-Abelian Knowledge Composition in VLMs
von: Mantini, Pranav, et al.
Veröffentlicht: (2026)

OracleSage: Towards Unified Visual-Linguistic Understanding of Oracle Bone Scripts through Cross-Modal Knowledge Fusion
von: Jiang, Hanqi, et al.
Veröffentlicht: (2024)

Predicting Genetic Mutation from Whole Slide Images via Biomedical-Linguistic Knowledge Enhanced Multi-label Classification
von: Huang, Gexin, et al.
Veröffentlicht: (2024)

Yesnt: Are Diffusion Relighting Models Ready for Capture Stage Compositing? A Hybrid Alternative to Bridge the Gap
von: Jüttner, Elisabeth, et al.
Veröffentlicht: (2025)

Knowledge Distillation for Semantic Segmentation: A Label Space Unification Approach
von: Backhaus, Anton, et al.
Veröffentlicht: (2025)

Exploring the Spectrum of Visio-Linguistic Compositionality and Recognition
von: Oh, Youngtaek, et al.
Veröffentlicht: (2024)

Online camera-pose-free stereo endoscopic tissue deformation recovery with tissue-invariant vision-biomechanics consistency
von: Chen, Jiahe, et al.
Veröffentlicht: (2025)

Capturing the Unseen: Vision-Free Facial Motion Capture Using Inertial Measurement Units
von: Wang, Youjia, et al.
Veröffentlicht: (2024)

RefHCM: A Unified Model for Referring Perceptions in Human-Centric Scenarios
von: Huang, Jie, et al.
Veröffentlicht: (2024)

DiffCap: Diffusion-based Real-time Human Motion Capture using Sparse IMUs and a Monocular Camera
von: Pan, Shaohua, et al.
Veröffentlicht: (2025)

The American Sign Language Knowledge Graph: Infusing ASL Models with Linguistic Knowledge
von: Kezar, Lee, et al.
Veröffentlicht: (2024)

VisKnow: Constructing Visual Knowledge Base for Object Understanding
von: Yao, Ziwei, et al.
Veröffentlicht: (2025)

Shifting Adaptation from Weight Space to Memory Space: A Memory-Augmented Agent for Medical Image Segmentation
von: Chen, Bowen, et al.
Veröffentlicht: (2026)

Beyond Surface Artifacts: Capturing Shared Latent Forgery Knowledge Across Modalities
von: Dou, Jingtong, et al.
Veröffentlicht: (2026)

SADL: An Effective In-Context Learning Method for Compositional Visual QA
von: Dang, Long Hoang, et al.
Veröffentlicht: (2024)

TOMCAT: Test-time Comprehensive Knowledge Accumulation for Compositional Zero-Shot Learning
von: Yan, Xudong, et al.
Veröffentlicht: (2025)

A Review of Longitudinal Radiology Report Generation: Dataset Composition, Methods, and Performance Evaluation
von: Zhou, Shaoyang, et al.
Veröffentlicht: (2025)

Fréchet Video Motion Distance: A Metric for Evaluating Motion Consistency in Videos
von: Liu, Jiahe, et al.
Veröffentlicht: (2024)

Towards Trustworthy Dermatology MLLMs: A Benchmark and Multimodal Evaluator for Diagnostic Narratives
von: Shen, Yuhao, et al.
Veröffentlicht: (2025)

A Synchronized Audio-Visual Multi-View Capture System
von: Shi, Xiangwei, et al.
Veröffentlicht: (2026)

MGF: Mixed Gaussian Flow for Diverse Trajectory Prediction
von: Chen, Jiahe, et al.
Veröffentlicht: (2024)

Aligning in a Compact Space: Contrastive Knowledge Distillation between Heterogeneous Architectures
von: Wu, Hongjun, et al.
Veröffentlicht: (2024)

CoTBox-TTT: Grounding Medical VQA with Visual Chain-of-Thought Boxes During Test-time Training
von: Qian, Jiahe, et al.
Veröffentlicht: (2025)

HIS-GPT: Towards 3D Human-In-Scene Multimodal Understanding
von: Zhao, Jiahe, et al.
Veröffentlicht: (2025)

DisCo: Towards Distinct and Coherent Visual Encapsulation in Video MLLMs
von: Zhao, Jiahe, et al.
Veröffentlicht: (2025)

A Novel Garment Transfer Method Supervised by Distilled Knowledge of Virtual Try-on Model
von: Fang, Naiyu, et al.
Veröffentlicht: (2024)

Airway Label Prediction in Video Bronchoscopy: Capturing Temporal Dependencies Utilizing Anatomical Knowledge
von: Keuth, Ron, et al.
Veröffentlicht: (2023)

A Cross-Domain Few-Shot Learning Method Based on Domain Knowledge Mapping
von: Chen, Jiajun, et al.
Veröffentlicht: (2025)