Advancing Semantic Future Prediction through Multimodal Visual Sequence Transformers
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Karypidis, Efstathios, Kakogeorgiou, Ioannis, Gidaris, Spyros, Komodakis, Nikos |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
DINO-Foresight: Looking into the Future with DINO
par: Karypidis, Efstathios, et autres
Publié: (2024)
par: Karypidis, Efstathios, et autres
Publié: (2024)
Representations Before Pixels: Semantics-Guided Hierarchical Video Prediction
par: Karypidis, Efstathios, et autres
Publié: (2026)
par: Karypidis, Efstathios, et autres
Publié: (2026)
Boosting Generative Image Modeling via Joint Image-Feature Synthesis
par: Kouzelis, Theodoros, et autres
Publié: (2025)
par: Kouzelis, Theodoros, et autres
Publié: (2025)
SPOT: Self-Training with Patch-Order Permutation for Object-Centric Learning with Autoregressive Transformers
par: Kakogeorgiou, Ioannis, et autres
Publié: (2023)
par: Kakogeorgiou, Ioannis, et autres
Publié: (2023)
Coevolving Representations in Joint Image-Feature Diffusion
par: Kouzelis, Theodoros, et autres
Publié: (2026)
par: Kouzelis, Theodoros, et autres
Publié: (2026)
Multi-Token Prediction Needs Registers
par: Gerontopoulos, Anastasios, et autres
Publié: (2025)
par: Gerontopoulos, Anastasios, et autres
Publié: (2025)
Technical Report for the 5th CLVision Challenge at CVPR: Addressing the Class-Incremental with Repetition using Unlabeled Data -- 4th Place Solution
par: Moraiti, Panagiota, et autres
Publié: (2025)
par: Moraiti, Panagiota, et autres
Publié: (2025)
EQ-VAE: Equivariance Regularized Latent Space for Improved Generative Image Modeling
par: Kouzelis, Theodoros, et autres
Publié: (2025)
par: Kouzelis, Theodoros, et autres
Publié: (2025)
MOCA: Self-supervised Representation Learning by Predicting Masked Online Codebook Assignments
par: Gidaris, Spyros, et autres
Publié: (2023)
par: Gidaris, Spyros, et autres
Publié: (2023)
Attention, Please! Revisiting Attentive Probing Through the Lens of Efficiency
par: Psomas, Bill, et autres
Publié: (2025)
par: Psomas, Bill, et autres
Publié: (2025)
Boosting Visual Instruction Tuning with Self-Supervised Guidance
par: Sirko-Galouchenko, Sophia, et autres
Publié: (2026)
par: Sirko-Galouchenko, Sophia, et autres
Publié: (2026)
DIP: Unsupervised Dense In-Context Post-training of Visual Representations
par: Sirko-Galouchenko, Sophia, et autres
Publié: (2025)
par: Sirko-Galouchenko, Sophia, et autres
Publié: (2025)
Vanilla ViT for Automotive Point Cloud Semantic Segmentation
par: Puy, Gilles, et autres
Publié: (2026)
par: Puy, Gilles, et autres
Publié: (2026)
REGLUE Your Latents with Global and Local Semantics for Entangled Diffusion
par: Petsangourakis, Giorgos, et autres
Publié: (2025)
par: Petsangourakis, Giorgos, et autres
Publié: (2025)
Composed Image Retrieval for Remote Sensing
par: Psomas, Bill, et autres
Publié: (2024)
par: Psomas, Bill, et autres
Publié: (2024)
Drive&Segment: Unsupervised Semantic Segmentation of Urban Scenes via Cross-modal Distillation
par: Vobecky, Antonin, et autres
Publié: (2022)
par: Vobecky, Antonin, et autres
Publié: (2022)
Unsupervised Object Localization in the Era of Self-Supervised ViTs: A Survey
par: Siméoni, Oriane, et autres
Publié: (2023)
par: Siméoni, Oriane, et autres
Publié: (2023)
POP-3D: Open-Vocabulary 3D Occupancy Prediction from Images
par: Vobecky, Antonin, et autres
Publié: (2024)
par: Vobecky, Antonin, et autres
Publié: (2024)
Retrieve and Segment: Are a Few Examples Enough to Bridge the Supervision Gap in Open-Vocabulary Segmentation?
par: Aravanis, Tilemachos, et autres
Publié: (2026)
par: Aravanis, Tilemachos, et autres
Publié: (2026)
Franca: Nested Matryoshka Clustering for Scalable Visual Representation Learning
par: Venkataramanan, Shashanka, et autres
Publié: (2025)
par: Venkataramanan, Shashanka, et autres
Publié: (2025)
No Train, all Gain: Self-Supervised Gradients Improve Deep Frozen Representations
par: Simoncini, Walter, et autres
Publié: (2024)
par: Simoncini, Walter, et autres
Publié: (2024)
Benchmarking Composed Image Retrieval for Applied Earth Observation
par: Psomas, Bill, et autres
Publié: (2026)
par: Psomas, Bill, et autres
Publié: (2026)
OccFeat: Self-supervised Occupancy Feature Prediction for Pretraining BEV Segmentation Networks
par: Sirko-Galouchenko, Sophia, et autres
Publié: (2024)
par: Sirko-Galouchenko, Sophia, et autres
Publié: (2024)
ToNNO: Tomographic Reconstruction of a Neural Network's Output for Weakly Supervised Segmentation of 3D Medical Images
par: Schmidt-Mengin, Marius, et autres
Publié: (2024)
par: Schmidt-Mengin, Marius, et autres
Publié: (2024)
Three Pillars improving Vision Foundation Model Distillation for Lidar
par: Puy, Gilles, et autres
Publié: (2023)
par: Puy, Gilles, et autres
Publié: (2023)
A High-Level Survey of Optical Remote Sensing
par: Koletsis, Panagiotis, et autres
Publié: (2026)
par: Koletsis, Panagiotis, et autres
Publié: (2026)
Seasonal Fire Prediction using Spatio-Temporal Deep Neural Networks
par: Michail, Dimitrios, et autres
Publié: (2024)
par: Michail, Dimitrios, et autres
Publié: (2024)
Similarity Guided Multimodal Fusion Transformer for Semantic Location Prediction in Social Media
par: Zhang, Zhizhen, et autres
Publié: (2024)
par: Zhang, Zhizhen, et autres
Publié: (2024)
FireCastNet: Earth-as-a-Graph for Seasonal Fire Prediction
par: Michail, Dimitrios, et autres
Publié: (2025)
par: Michail, Dimitrios, et autres
Publié: (2025)
Uncertainty-Aware Deep Learning for Wildfire Danger Forecasting
par: Kondylatos, Spyros, et autres
Publié: (2025)
par: Kondylatos, Spyros, et autres
Publié: (2025)
VB-Mitigator: An Open-source Framework for Evaluating and Advancing Visual Bias Mitigation
par: Sarridis, Ioannis, et autres
Publié: (2025)
par: Sarridis, Ioannis, et autres
Publié: (2025)
Improving Visual Place Recognition with Sequence-Matching Receptiveness Prediction
par: Hussaini, Somayeh, et autres
Publié: (2025)
par: Hussaini, Somayeh, et autres
Publié: (2025)
Unifying Feature and Cost Aggregation with Transformers for Semantic and Visual Correspondence
par: Hong, Sunghwan, et autres
Publié: (2024)
par: Hong, Sunghwan, et autres
Publié: (2024)
Vision Transformers: From Semantic Segmentation to Dense Prediction
par: Zhang, Li, et autres
Publié: (2022)
par: Zhang, Li, et autres
Publié: (2022)
Probabilistic Machine Learning for Noisy Labels in Earth Observation
par: Kondylatos, Spyros, et autres
Publié: (2025)
par: Kondylatos, Spyros, et autres
Publié: (2025)
Enhancing Surgical Documentation through Multimodal Visual-Temporal Transformers and Generative AI
par: Georgenthum, Hugo, et autres
Publié: (2025)
par: Georgenthum, Hugo, et autres
Publié: (2025)
Efficient Unsupervised Visual Representation Learning with Explicit Cluster Balancing
par: Metaxas, Ioannis Maniadis, et autres
Publié: (2024)
par: Metaxas, Ioannis Maniadis, et autres
Publié: (2024)
Robust Visual Localization via Semantic-Guided Multi-Scale Transformer
par: Tian, Zhongtao, et autres
Publié: (2025)
par: Tian, Zhongtao, et autres
Publié: (2025)
DA-VPT: Semantic-Guided Visual Prompt Tuning for Vision Transformers
par: Ren, Li, et autres
Publié: (2025)
par: Ren, Li, et autres
Publié: (2025)
Superpixel Tokenization for Vision Transformers: Preserving Semantic Integrity in Visual Tokens
par: Lew, Jaihyun, et autres
Publié: (2024)
par: Lew, Jaihyun, et autres
Publié: (2024)
Documents similaires
-
DINO-Foresight: Looking into the Future with DINO
par: Karypidis, Efstathios, et autres
Publié: (2024) -
Representations Before Pixels: Semantics-Guided Hierarchical Video Prediction
par: Karypidis, Efstathios, et autres
Publié: (2026) -
Boosting Generative Image Modeling via Joint Image-Feature Synthesis
par: Kouzelis, Theodoros, et autres
Publié: (2025) -
SPOT: Self-Training with Patch-Order Permutation for Object-Centric Learning with Autoregressive Transformers
par: Kakogeorgiou, Ioannis, et autres
Publié: (2023) -
Coevolving Representations in Joint Image-Feature Diffusion
par: Kouzelis, Theodoros, et autres
Publié: (2026)