Buchumschlag

All You Need to Know About Training Image Retrieval Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Berton, Gabriele, Musgrave, Kevin, Masone, Carlo
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

MegaLoc: One Retrieval to Place Them All
von: Berton, Gabriele, et al.
Veröffentlicht: (2025)

JIST: Joint Image and Sequence Training for Sequential Visual Place Recognition
von: Berton, Gabriele, et al.
Veröffentlicht: (2024)

AstroLoc: Robust Space to Ground Image Localizer
von: Berton, Gabriele, et al.
Veröffentlicht: (2025)

To Match or Not to Match: Revisiting Image Matching for Reliable Visual Place Recognition
von: Sferrazza, Davide, et al.
Veröffentlicht: (2025)

EarthLoc: Astronaut Photography Localization by Indexing Earth from Space
von: Berton, Gabriele, et al.
Veröffentlicht: (2024)

EarthMatch: Iterative Coregistration for Fine-grained Localization of Astronaut Photography
von: Berton, Gabriele, et al.
Veröffentlicht: (2024)

Collaborative Visual Place Recognition through Federated Learning
von: Dutto, Mattia, et al.
Veröffentlicht: (2024)

MeshVPR: Citywide Visual Place Recognition Using 3D Meshes
von: Berton, Gabriele, et al.
Veröffentlicht: (2024)

The Unreasonable Effectiveness of Pre-Trained Features for Camera Pose Refinement
von: Trivigno, Gabriele, et al.
Veröffentlicht: (2024)

Scale-Free Image Keypoints Using Differentiable Persistent Homology
von: Barbarani, Giovanni, et al.
Veröffentlicht: (2024)

INSID3: Training-Free In-Context Segmentation with DINOv3
von: Cuttano, Claudia, et al.
Veröffentlicht: (2026)

SANSA: Unleashing the Hidden Semantics in SAM2 for Few-Shot Segmentation
von: Cuttano, Claudia, et al.
Veröffentlicht: (2025)

MARCO: Navigating the Unseen Space of Semantic Correspondence
von: Cuttano, Claudia, et al.
Veröffentlicht: (2026)

PrAda: Few-Shot Visual Adaptation for Text-Prompted Segmentation
von: Rosi, Gabriele, et al.
Veröffentlicht: (2026)

SAMWISE: Infusing Wisdom in SAM2 for Text-Driven Video Segmentation
von: Cuttano, Claudia, et al.
Veröffentlicht: (2024)

Are Pretrained Image Matchers Good Enough for SAR-Optical Satellite Registration?
von: Corley, Isaac, et al.
Veröffentlicht: (2026)

Pairwise Comparisons Are All You Need
von: Chahine, Nicolas, et al.
Veröffentlicht: (2024)

Similarity Memory Prior is All You Need for Medical Image Segmentation
von: Tang, Hao, et al.
Veröffentlicht: (2025)

A Single Image and Multimodality Is All You Need for Novel View Synthesis
von: Javadi, Amirhosein, et al.
Veröffentlicht: (2026)

ParameterNet: Parameters Are All You Need
von: Han, Kai, et al.
Veröffentlicht: (2023)

[MASK] is All You Need
von: Hu, Vincent Tao, et al.
Veröffentlicht: (2024)

Off-The-Shelf Image-to-Image Models Are All You Need To Defeat Image Protection Schemes
von: Pleimling, Xavier, et al.
Veröffentlicht: (2026)

Distraction is All You Need for Multimodal Large Language Model Jailbreaking
von: Yang, Zuopeng, et al.
Veröffentlicht: (2025)

A Single Simple Patch is All You Need for AI-generated Image Detection
von: Chen, Jiaxuan, et al.
Veröffentlicht: (2024)

MaTe: Images Are All You Need for Material Transfer via Diffusion Transformer
von: Huang, Nisha, et al.
Veröffentlicht: (2026)

Is Discretization Fusion All You Need for Collaborative Perception?
von: Yang, Kang, et al.
Veröffentlicht: (2025)

Attention Is All You Need For Mixture-of-Depths Routing
von: Gadhikar, Advait, et al.
Veröffentlicht: (2024)

Backbone is All You Need: Assessing Vulnerabilities of Frozen Foundation Models in Synthetic Image Forensics
von: Musso, Chiara, et al.
Veröffentlicht: (2026)

Alignment is All You Need: A Training-free Augmentation Strategy for Pose-guided Video Generation
von: Jin, Xiaoyu, et al.
Veröffentlicht: (2024)

Revisiting Class-Incremental Learning with Pre-Trained Models: Generalizability and Adaptivity are All You Need
von: Zhou, Da-Wei, et al.
Veröffentlicht: (2023)

Enpowering Your Pansharpening Models with Generalizability: Unified Distribution is All You Need
von: Cui, Yongchuan, et al.
Veröffentlicht: (2025)

GenFormer -- Generated Images are All You Need to Improve Robustness of Transformers on Small Datasets
von: Oehri, Sven, et al.
Veröffentlicht: (2024)

Zoom and Shift are All You Need
von: Qin, Jiahao
Veröffentlicht: (2024)

Unsupervised Real-World Denoising: Sparsity is All You Need
von: Chihaoui, Hamadi, et al.
Veröffentlicht: (2025)

Search is All You Need for Few-shot Anomaly Detection
von: Wang, Qishan, et al.
Veröffentlicht: (2025)

Exchange Is All You Need for Remote Sensing Change Detection
von: Dong, Sijun, et al.
Veröffentlicht: (2026)

Moving Object Segmentation: All You Need Is SAM (and Flow)
von: Xie, Junyu, et al.
Veröffentlicht: (2024)

Emu3: Next-Token Prediction is All You Need
von: Wang, Xinlong, et al.
Veröffentlicht: (2024)

Positive Label Is All You Need for Multi-Label Classification
von: Yuan, Zhixiang, et al.
Veröffentlicht: (2023)

Anatomy Might Be All You Need: Forecasting What to Do During Surgery
von: Sarwin, Gary, et al.
Veröffentlicht: (2025)