Buchumschlag

HiMTok: Learning Hierarchical Mask Tokens for Image Segmentation with Large Multimodal Model

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Tao, Cheng, Changxu, Wang, Lingfeng, Chen, Senda, Zhao, Wuyue
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

ALTo: Adaptive-Length Tokenizer for Autoregressive Mask Generation
von: Wang, Lingfeng, et al.
Veröffentlicht: (2025)

HiDiff: Hybrid Diffusion Framework for Medical Image Segmentation
von: Chen, Tao, et al.
Veröffentlicht: (2024)

Hi-SAM: Marrying Segment Anything Model for Hierarchical Text Segmentation
von: Ye, Maoyuan, et al.
Veröffentlicht: (2024)

HiPrune: Hierarchical Attention for Efficient Token Pruning in Vision-Language Models
von: Liu, Jizhihui, et al.
Veröffentlicht: (2025)

SemHiTok: A Unified Image Tokenizer via Semantic-Guided Hierarchical Codebook for Multimodal Understanding and Generation
von: Chen, Zisheng, et al.
Veröffentlicht: (2025)

Medical Referring Image Segmentation via Next-Token Mask Prediction
von: Chen, Xinyu, et al.
Veröffentlicht: (2025)

Hierarchical Masked Autoregressive Models with Low-Resolution Token Pivots
von: Zheng, Guangting, et al.
Veröffentlicht: (2025)

RF-HiT: Rectified Flow Hierarchical Transformer for General Medical Image Segmentation
von: Djouama, Ahmed Marouane, et al.
Veröffentlicht: (2026)

HiVG: Hierarchical Multimodal Fine-grained Modulation for Visual Grounding
von: Xiao, Linhui, et al.
Veröffentlicht: (2024)

HiCoGen: Hierarchical Compositional Text-to-Image Generation in Diffusion Models via Reinforcement Learning
von: Yang, Hongji, et al.
Veröffentlicht: (2025)

HiTVideo: Hierarchical Tokenizers for Enhancing Text-to-Video Generation with Autoregressive Large Language Models
von: Zhou, Ziqin, et al.
Veröffentlicht: (2025)

HiT: Building Mapping with Hierarchical Transformers
von: Zhang, Mingming, et al.
Veröffentlicht: (2023)

Beyond Next-Token Alignment: Distilling Multimodal Large Language Models via Token Interactions
von: Chen, Lin, et al.
Veröffentlicht: (2026)

Learning Mask Invariant Mutual Information for Masked Image Modeling
von: Huang, Tao, et al.
Veröffentlicht: (2025)

Grounding Everything in Tokens for Multimodal Large Language Models
von: Ren, Xiangxuan, et al.
Veröffentlicht: (2025)

TokenCarve: Information-Preserving Visual Token Compression in Multimodal Large Language Models
von: Tan, Xudong, et al.
Veröffentlicht: (2025)

HiLoRA: Hierarchical Low-Rank Adaptation for Personalized Federated Learning
von: Peng, Zihao, et al.
Veröffentlicht: (2026)

Soil Image Segmentation Based on Mask R-CNN
von: Chen, Yida, et al.
Veröffentlicht: (2023)

HiMix: Hierarchical Artifact-aware Mixup for Generalized Synthetic Image Detection
von: Zhou, Shuchang, et al.
Veröffentlicht: (2026)

HiRQA: Hierarchical Ranking and Quality Alignment for Opinion-Unaware Image Quality Assessment
von: Ramesh, Vaishnav, et al.
Veröffentlicht: (2025)

Morphing Tokens Draw Strong Masked Image Models
von: Kim, Taekyung, et al.
Veröffentlicht: (2023)

Mask-Adapter: The Devil is in the Masks for Open-Vocabulary Segmentation
von: Li, Yongkang, et al.
Veröffentlicht: (2024)

HiSem: Hierarchical Semantic Disentangling for Remote Sensing Image Change Captioning
von: Wang, Man, et al.
Veröffentlicht: (2026)

CM-MaskSD: Cross-Modality Masked Self-Distillation for Referring Image Segmentation
von: Wang, Wenxuan, et al.
Veröffentlicht: (2023)

HiDE: Hierarchical Dictionary-Based Entropy Modeling for Learned Image Compression
von: Xiong, Haoxuan, et al.
Veröffentlicht: (2026)

A Survey of Token Compression for Efficient Multimodal Large Language Models
von: Shao, Kele, et al.
Veröffentlicht: (2025)

HiTokSR: A Coarse-to-Fine Tokenizer with Hierarchical Codebooks for High-Fidelity Real-World Image Super-Resolution
von: Li, Mingxi
Veröffentlicht: (2026)

Next Token Is Enough: Realistic Image Quality and Aesthetic Scoring with Multimodal Large Language Model
von: Li, Mingxing, et al.
Veröffentlicht: (2025)

HiCD: Change Detection in Quality-Varied Images via Hierarchical Correlation Distillation
von: Pang, Chao, et al.
Veröffentlicht: (2024)

Hi-Mamba: Hierarchical Mamba for Efficient Image Super-Resolution
von: Qiao, Junbo, et al.
Veröffentlicht: (2024)

HiT-SR: Hierarchical Transformer for Efficient Image Super-Resolution
von: Zhang, Xiang, et al.
Veröffentlicht: (2024)

TokenSeg: Efficient 3D Medical Image Segmentation via Hierarchical Visual Token Compression
von: Zeng, Sen, et al.
Veröffentlicht: (2026)

HiCo: Hierarchical Controllable Diffusion Model for Layout-to-image Generation
von: Cheng, Bo, et al.
Veröffentlicht: (2024)

Accelerating Streaming Video Large Language Models via Hierarchical Token Compression
von: Wang, Yiyu, et al.
Veröffentlicht: (2025)

Synthetic Instance Segmentation from Semantic Image Segmentation Masks
von: Shen, Yuchen, et al.
Veröffentlicht: (2023)

Hi-Map: Hierarchical Factorized Radiance Field for High-Fidelity Monocular Dense Mapping
von: Hua, Tongyan, et al.
Veröffentlicht: (2024)

Token Painter: Training-Free Text-Guided Image Inpainting via Mask Autoregressive Models
von: Jiang, Longtao, et al.
Veröffentlicht: (2025)

HiPerformer: A High-Performance Global-Local Segmentation Model with Modular Hierarchical Fusion Strategy
von: Tan, Dayu, et al.
Veröffentlicht: (2025)

Accelerating Multimodal Large Language Models by Searching Optimal Vision Token Reduction
von: Zhao, Shiyu, et al.
Veröffentlicht: (2024)

Token-Space Mask Prediction for Efficient Vision Transformer Segmentation
von: Galagain, Calvin, et al.
Veröffentlicht: (2026)