A New Method to Capturing Compositional Knowledge in Linguistic Space
Fuente:
arXiv
Enregistré dans:
| Auteur principal: | Wan, Jiahe |
|---|---|
| Format: | Preprint |
| Publié: |
2024
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
un$^2$CLIP: Improving CLIP's Visual Detail Capturing Ability via Inverting unCLIP
par: Li, Yinqi, et autres
Publié: (2025)
par: Li, Yinqi, et autres
Publié: (2025)
Decoupled Competitive Framework for Semi-supervised Medical Image Segmentation
par: Chen, Jiahe, et autres
Publié: (2025)
par: Chen, Jiahe, et autres
Publié: (2025)
A Novel Method to Improve Quality Surface Coverage in Multi-View Capture
par: Huang, Wei-Lun, et autres
Publié: (2024)
par: Huang, Wei-Lun, et autres
Publié: (2024)
PVLR: Prompt-driven Visual-Linguistic Representation Learning for Multi-Label Image Recognition
par: Tan, Hao, et autres
Publié: (2024)
par: Tan, Hao, et autres
Publié: (2024)
ILNet: Trajectory Prediction with Inverse Learning Attention for Enhancing Intention Capture
par: Zeng, Mingjin, et autres
Publié: (2025)
par: Zeng, Mingjin, et autres
Publié: (2025)
Distilling Knowledge from Text-to-Image Generative Models Improves Visio-Linguistic Reasoning in CLIP
par: Basu, Samyadeep, et autres
Publié: (2023)
par: Basu, Samyadeep, et autres
Publié: (2023)
Align Beyond Prompts: Evaluating World Knowledge Alignment in Text-to-Image Generation
par: Zhang, Wenchao, et autres
Publié: (2025)
par: Zhang, Wenchao, et autres
Publié: (2025)
Contrasting Intra-Modal and Ranking Cross-Modal Hard Negatives to Enhance Visio-Linguistic Compositional Understanding
par: Zhang, Le, et autres
Publié: (2023)
par: Zhang, Le, et autres
Publié: (2023)
GenFusion: Feed-forward Human Performance Capture via Progressive Canonical Space Updates
par: Kwon, Youngjoong, et autres
Publié: (2026)
par: Kwon, Youngjoong, et autres
Publié: (2026)
Curing Semantic Drift: A Dynamic Approach to Grounding Generation in Large Vision-Language Models
par: Chen, Jiahe, et autres
Publié: (2025)
par: Chen, Jiahe, et autres
Publié: (2025)
Knowledge Visualization: A Benchmark and Method for Knowledge-Intensive Text-to-Image Generation
par: Zhao, Ran, et autres
Publié: (2026)
par: Zhao, Ran, et autres
Publié: (2026)
New Dataset and Methods for Fine-Grained Compositional Referring Expression Comprehension via Specialist-MLLM Collaboration
par: Yang, Xuzheng, et autres
Publié: (2025)
par: Yang, Xuzheng, et autres
Publié: (2025)
GeoStack: A Framework for Quasi-Abelian Knowledge Composition in VLMs
par: Mantini, Pranav, et autres
Publié: (2026)
par: Mantini, Pranav, et autres
Publié: (2026)
OracleSage: Towards Unified Visual-Linguistic Understanding of Oracle Bone Scripts through Cross-Modal Knowledge Fusion
par: Jiang, Hanqi, et autres
Publié: (2024)
par: Jiang, Hanqi, et autres
Publié: (2024)
Predicting Genetic Mutation from Whole Slide Images via Biomedical-Linguistic Knowledge Enhanced Multi-label Classification
par: Huang, Gexin, et autres
Publié: (2024)
par: Huang, Gexin, et autres
Publié: (2024)
Yesnt: Are Diffusion Relighting Models Ready for Capture Stage Compositing? A Hybrid Alternative to Bridge the Gap
par: Jüttner, Elisabeth, et autres
Publié: (2025)
par: Jüttner, Elisabeth, et autres
Publié: (2025)
Knowledge Distillation for Semantic Segmentation: A Label Space Unification Approach
par: Backhaus, Anton, et autres
Publié: (2025)
par: Backhaus, Anton, et autres
Publié: (2025)
Exploring the Spectrum of Visio-Linguistic Compositionality and Recognition
par: Oh, Youngtaek, et autres
Publié: (2024)
par: Oh, Youngtaek, et autres
Publié: (2024)
Online camera-pose-free stereo endoscopic tissue deformation recovery with tissue-invariant vision-biomechanics consistency
par: Chen, Jiahe, et autres
Publié: (2025)
par: Chen, Jiahe, et autres
Publié: (2025)
Capturing the Unseen: Vision-Free Facial Motion Capture Using Inertial Measurement Units
par: Wang, Youjia, et autres
Publié: (2024)
par: Wang, Youjia, et autres
Publié: (2024)
RefHCM: A Unified Model for Referring Perceptions in Human-Centric Scenarios
par: Huang, Jie, et autres
Publié: (2024)
par: Huang, Jie, et autres
Publié: (2024)
DiffCap: Diffusion-based Real-time Human Motion Capture using Sparse IMUs and a Monocular Camera
par: Pan, Shaohua, et autres
Publié: (2025)
par: Pan, Shaohua, et autres
Publié: (2025)
The American Sign Language Knowledge Graph: Infusing ASL Models with Linguistic Knowledge
par: Kezar, Lee, et autres
Publié: (2024)
par: Kezar, Lee, et autres
Publié: (2024)
VisKnow: Constructing Visual Knowledge Base for Object Understanding
par: Yao, Ziwei, et autres
Publié: (2025)
par: Yao, Ziwei, et autres
Publié: (2025)
Shifting Adaptation from Weight Space to Memory Space: A Memory-Augmented Agent for Medical Image Segmentation
par: Chen, Bowen, et autres
Publié: (2026)
par: Chen, Bowen, et autres
Publié: (2026)
Beyond Surface Artifacts: Capturing Shared Latent Forgery Knowledge Across Modalities
par: Dou, Jingtong, et autres
Publié: (2026)
par: Dou, Jingtong, et autres
Publié: (2026)
SADL: An Effective In-Context Learning Method for Compositional Visual QA
par: Dang, Long Hoang, et autres
Publié: (2024)
par: Dang, Long Hoang, et autres
Publié: (2024)
TOMCAT: Test-time Comprehensive Knowledge Accumulation for Compositional Zero-Shot Learning
par: Yan, Xudong, et autres
Publié: (2025)
par: Yan, Xudong, et autres
Publié: (2025)
A Review of Longitudinal Radiology Report Generation: Dataset Composition, Methods, and Performance Evaluation
par: Zhou, Shaoyang, et autres
Publié: (2025)
par: Zhou, Shaoyang, et autres
Publié: (2025)
Fréchet Video Motion Distance: A Metric for Evaluating Motion Consistency in Videos
par: Liu, Jiahe, et autres
Publié: (2024)
par: Liu, Jiahe, et autres
Publié: (2024)
Towards Trustworthy Dermatology MLLMs: A Benchmark and Multimodal Evaluator for Diagnostic Narratives
par: Shen, Yuhao, et autres
Publié: (2025)
par: Shen, Yuhao, et autres
Publié: (2025)
A Synchronized Audio-Visual Multi-View Capture System
par: Shi, Xiangwei, et autres
Publié: (2026)
par: Shi, Xiangwei, et autres
Publié: (2026)
MGF: Mixed Gaussian Flow for Diverse Trajectory Prediction
par: Chen, Jiahe, et autres
Publié: (2024)
par: Chen, Jiahe, et autres
Publié: (2024)
Aligning in a Compact Space: Contrastive Knowledge Distillation between Heterogeneous Architectures
par: Wu, Hongjun, et autres
Publié: (2024)
par: Wu, Hongjun, et autres
Publié: (2024)
CoTBox-TTT: Grounding Medical VQA with Visual Chain-of-Thought Boxes During Test-time Training
par: Qian, Jiahe, et autres
Publié: (2025)
par: Qian, Jiahe, et autres
Publié: (2025)
HIS-GPT: Towards 3D Human-In-Scene Multimodal Understanding
par: Zhao, Jiahe, et autres
Publié: (2025)
par: Zhao, Jiahe, et autres
Publié: (2025)
DisCo: Towards Distinct and Coherent Visual Encapsulation in Video MLLMs
par: Zhao, Jiahe, et autres
Publié: (2025)
par: Zhao, Jiahe, et autres
Publié: (2025)
A Novel Garment Transfer Method Supervised by Distilled Knowledge of Virtual Try-on Model
par: Fang, Naiyu, et autres
Publié: (2024)
par: Fang, Naiyu, et autres
Publié: (2024)
Airway Label Prediction in Video Bronchoscopy: Capturing Temporal Dependencies Utilizing Anatomical Knowledge
par: Keuth, Ron, et autres
Publié: (2023)
par: Keuth, Ron, et autres
Publié: (2023)
A Cross-Domain Few-Shot Learning Method Based on Domain Knowledge Mapping
par: Chen, Jiajun, et autres
Publié: (2025)
par: Chen, Jiajun, et autres
Publié: (2025)
Documents similaires
-
un$^2$CLIP: Improving CLIP's Visual Detail Capturing Ability via Inverting unCLIP
par: Li, Yinqi, et autres
Publié: (2025) -
Decoupled Competitive Framework for Semi-supervised Medical Image Segmentation
par: Chen, Jiahe, et autres
Publié: (2025) -
A Novel Method to Improve Quality Surface Coverage in Multi-View Capture
par: Huang, Wei-Lun, et autres
Publié: (2024) -
PVLR: Prompt-driven Visual-Linguistic Representation Learning for Multi-Label Image Recognition
par: Tan, Hao, et autres
Publié: (2024) -
ILNet: Trajectory Prediction with Inverse Learning Attention for Enhancing Intention Capture
par: Zeng, Mingjin, et autres
Publié: (2025)