:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Huang, Hao, Yuan, Shuaihang, Hao, Yu, Wen, Congcong, Fang, Yi
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	https://arxiv.org/abs/2502.13942
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Meta-Learning 3D Shape Segmentation Functions
von: Hao, Yu, et al.
Veröffentlicht: (2021)

Selective Vision-Language Subspace Projection for Few-shot CLIP
von: Zhu, Xingyu, et al.
Veröffentlicht: (2024)

MapBERT: Bitwise Masked Modeling for Real-Time Semantic Mapping Generation
von: Deng, Yijie, et al.
Veröffentlicht: (2025)

AnyImageNav: Any-View Geometry for Precise Last-Meter Image-Goal Navigation
von: Deng, Yijie, et al.
Veröffentlicht: (2026)

A Multi-Modal Foundation Model to Assist People with Blindness and Low Vision in Environmental Interaction
von: Hao, Yu, et al.
Veröffentlicht: (2023)

RS-MoE: A Vision-Language Model with Mixture of Experts for Remote Sensing Image Captioning and Visual Question Answering
von: Lin, Hui, et al.
Veröffentlicht: (2024)

FairCLIP: Harnessing Fairness in Vision-Language Learning
von: Luo, Yan, et al.
Veröffentlicht: (2024)

Meta-Adapter: An Online Few-shot Learner for Vision-Language Model
von: Cheng, Cheng, et al.
Veröffentlicht: (2023)

Think-as-You-See: Streaming Chain-of-Thought Reasoning for Large Vision-Language Models
von: Zhang, Jialiang, et al.
Veröffentlicht: (2026)

Few-shot Adaptation of Medical Vision-Language Models
von: Shakeri, Fereshteh, et al.
Veröffentlicht: (2024)

Making Large Vision Language Models to be Good Few-shot Learners
von: Liu, Fan, et al.
Veröffentlicht: (2024)

Non-negative Subspace Feature Representation for Few-shot Learning in Medical Imaging
von: Fan, Keqiang, et al.
Veröffentlicht: (2024)

Chain-of-Anomaly Thoughts with Large Vision-Language Models
von: Domingos, Pedro, et al.
Veröffentlicht: (2025)

MeaCap: Memory-Augmented Zero-shot Image Captioning
von: Zeng, Zequn, et al.
Veröffentlicht: (2024)

FADE: Few-shot/zero-shot Anomaly Detection Engine using Large Vision-Language Model
von: Li, Yuanwei, et al.
Veröffentlicht: (2024)

Envisioning Class Entity Reasoning by Large Language Models for Few-shot Learning
von: Liu, Mushui, et al.
Veröffentlicht: (2024)

dVLA: Diffusion Vision-Language-Action Model with Multimodal Chain-of-Thought
von: Wen, Junjie, et al.
Veröffentlicht: (2025)

Grounded Chain-of-Thought for Multimodal Large Language Models
von: Wu, Qiong, et al.
Veröffentlicht: (2025)

CoMT: A Novel Benchmark for Chain of Multi-modal Thought on Large Vision-Language Models
von: Cheng, Zihui, et al.
Veröffentlicht: (2024)

Benchmarking Vision-Language and Multimodal Large Language Models in Zero-shot and Few-shot Scenarios: A study on Christian Iconography
von: Spinaci, Gianmarco, et al.
Veröffentlicht: (2025)

Retrieval-Enhanced Visual Prompt Learning for Few-shot Classification
von: Rong, Jintao, et al.
Veröffentlicht: (2023)

Better Eyes, Better Thoughts: Why Vision Chain-of-Thought Fails in Medicine
von: Wu, Yuan, et al.
Veröffentlicht: (2026)

The Devil is in the Few Shots: Iterative Visual Knowledge Completion for Few-shot Learning
von: Li, Yaohui, et al.
Veröffentlicht: (2024)

Discffusion: Discriminative Diffusion Models as Few-shot Vision and Language Learners
von: He, Xuehai, et al.
Veröffentlicht: (2023)

What Makes Good Few-shot Examples for Vision-Language Models?
von: Guo, Zhaojun, et al.
Veröffentlicht: (2024)

Complementary Subspace Low-Rank Adaptation of Vision-Language Models for Few-Shot Classification
von: Wang, Zhongqi, et al.
Veröffentlicht: (2025)

Zero-shot Object Navigation with Vision-Language Models Reasoning
von: Wen, Congcong, et al.
Veröffentlicht: (2024)

Chain of Visual Perception: Harnessing Multimodal Large Language Models for Zero-shot Camouflaged Object Detection
von: Tang, Lv, et al.
Veröffentlicht: (2023)

Unleashing In-context Learning of Autoregressive Models for Few-shot Image Manipulation
von: Lai, Bolin, et al.
Veröffentlicht: (2024)

Towards Enhanced Image Generation Via Multi-modal Chain of Thought in Unified Generative Models
von: Wang, Yi, et al.
Veröffentlicht: (2025)

Hierarchical Scoring with 3D Gaussian Splatting for Instance Image-Goal Navigation
von: Deng, Yijie, et al.
Veröffentlicht: (2025)

Revisiting Continuity of Image Tokens for Cross-domain Few-shot Learning
von: Yi, Shuai, et al.
Veröffentlicht: (2025)

Vision-Language Models in Remote Sensing: Current Progress and Future Trends
von: Li, Xiang, et al.
Veröffentlicht: (2023)

Vision and Language Reference Prompt into SAM for Few-shot Segmentation
von: Sakurai, Kosuke, et al.
Veröffentlicht: (2025)

Argus: Vision-Centric Reasoning with Grounded Chain-of-Thought
von: Man, Yunze, et al.
Veröffentlicht: (2025)

RealSR-R1: Reinforcement Learning for Real-World Image Super-Resolution with Vision-Language Chain-of-Thought
von: Qiao, Junbo, et al.
Veröffentlicht: (2025)

Mitigating Image Captioning Hallucinations in Vision-Language Models
von: Zhao, Fei, et al.
Veröffentlicht: (2025)

Aligning Medical Images with General Knowledge from Large Language Models
von: Fang, Xiao, et al.
Veröffentlicht: (2024)

FLIER: Few-shot Language Image Models Embedded with Latent Representations
von: Zhou, Zhinuo, et al.
Veröffentlicht: (2024)

Harnessing Chain-of-Thought Reasoning in Multimodal Large Language Models for Face Anti-Spoofing
von: Zhang, Honglu, et al.
Veröffentlicht: (2025)