Buchumschlag

DUNE: Distilling a Universal Encoder from Heterogeneous 2D and 3D Teachers

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sariyildiz, Mert Bulent, Weinzaepfel, Philippe, Lucas, Thomas, de Jorge, Pau, Larlus, Diane, Kalantidis, Yannis
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

UNIC: Universal Classification Models via Multi-teacher Distillation
von: Sariyildiz, Mert Bulent, et al.
Veröffentlicht: (2024)

Weatherproofing Retrieval for Localization with Generative AI and Geometric Consistency
von: Kalantidis, Yannis, et al.
Veröffentlicht: (2024)

Task Alignment: A simple and effective proxy for model merging in computer vision
von: de Jorge, Pau, et al.
Veröffentlicht: (2026)

Kinaema: a recurrent sequence model for memory and pose in motion
von: Sariyildiz, Mert Bulent, et al.
Veröffentlicht: (2025)

PoseScript: Linking 3D Human Poses and Natural Language
von: Delmas, Ginger, et al.
Veröffentlicht: (2022)

Layered Motion Fusion: Lifting Motion Segmentation to 3D in Egocentric Videos
von: Tschernezki, Vadim, et al.
Veröffentlicht: (2025)

On Good Practices for Task-Specific Distillation of Large Pretrained Visual Models
von: Marrie, Juliette, et al.
Veröffentlicht: (2024)

Mesh4D: 4D Mesh Reconstruction and Tracking from Monocular Video
von: Jiang, Zeren, et al.
Veröffentlicht: (2026)

LUDVIG: Learning-Free Uplifting of 2D Visual Features to Gaussian Splatting Scenes
von: Marrie, Juliette, et al.
Veröffentlicht: (2024)

Label Propagation for Zero-shot Classification with Vision-Language Models
von: Stojnić, Vladan, et al.
Veröffentlicht: (2024)

Win-Win: Training High-Resolution Vision Transformers from Two Windows
von: Leroy, Vincent, et al.
Veröffentlicht: (2023)

PoseFix: Correcting 3D Human Poses with Natural Language
von: Delmas, Ginger, et al.
Veröffentlicht: (2023)

Cross-view and Cross-pose Completion for 3D Human Understanding
von: Armando, Matthieu, et al.
Veröffentlicht: (2023)

Pow3R: Empowering Unconstrained 3D Reconstruction with Camera and Scene Priors
von: Jang, Wonbong, et al.
Veröffentlicht: (2025)

PoseEmbroider: Towards a 3D, Visual, Semantic-aware Human Pose Representation
von: Delmas, Ginger, et al.
Veröffentlicht: (2024)

Geo4D: Leveraging Video Generators for Geometric 4D Scene Reconstruction
von: Jiang, Zeren, et al.
Veröffentlicht: (2025)

ELViS: Efficient Visual Similarity from Local Descriptors that Generalizes Across Domains
von: Suma, Pavel, et al.
Veröffentlicht: (2026)

HAMSt3R: Human-Aware Multi-view Stereo 3D Reconstruction
von: Rojas, Sara, et al.
Veröffentlicht: (2025)

EPIC Fields: Marrying 3D Geometry and Video Understanding
von: Tschernezki, Vadim, et al.
Veröffentlicht: (2023)

LPOSS: Label Propagation Over Patches and Pixels for Open-vocabulary Semantic Segmentation
von: Stojnić, Vladan, et al.
Veröffentlicht: (2025)

What could go wrong? Discovering and describing failure modes in computer vision
von: Csurka, Gabriela, et al.
Veröffentlicht: (2024)

What does really matter in image goal navigation?
von: Monaci, Gianluca, et al.
Veröffentlicht: (2025)

Purposer: Putting Human Motion Generation in Context
von: Ugrinovic, Nicolas, et al.
Veröffentlicht: (2024)

Syn4D: A Multiview Synthetic 4D Dataset
von: Jiang, Zeren, et al.
Veröffentlicht: (2026)

DinoComplete: 3D Shape Completion with Distilled Semantic Priors and State Space Models
von: Algan, Furkan Mert, et al.
Veröffentlicht: (2026)

CondiMen: Conditional Multi-Person Mesh Recovery
von: Romain, Brégier, et al.
Veröffentlicht: (2024)

Multi-HMR: Multi-Person Whole-Body Human Mesh Recovery in a Single Shot
von: Baradel, Fabien, et al.
Veröffentlicht: (2024)

3D Gaussian Point Encoders
von: James, Jim, et al.
Veröffentlicht: (2025)

MASt3R-SfM: a Fully-Integrated Solution for Unconstrained Structure-from-Motion
von: Duisterhof, Bardienus, et al.
Veröffentlicht: (2024)

Radiology Report Conditional 3D CT Generation with Multi Encoder Latent diffusion Model
von: Amirrajab, Sina, et al.
Veröffentlicht: (2025)

Human Mesh Modeling for Anny Body
von: Brégier, Romain, et al.
Veröffentlicht: (2025)

3D Open-Vocabulary Panoptic Segmentation with 2D-3D Vision-Language Distillation
von: Xiao, Zihao, et al.
Veröffentlicht: (2024)

Distilling Adversarial Robustness Using Heterogeneous Teachers
von: Deng, Jieren, et al.
Veröffentlicht: (2024)

HOSt3R: Keypoint-free Hand-Object 3D Reconstruction from RGB images
von: Swamy, Anilkumar, et al.
Veröffentlicht: (2025)

Automatic Segmentation of 3D CT scans with SAM2 using a zero-shot approach
von: Escoriza, Miquel Lopez, et al.
Veröffentlicht: (2026)

Farm3D: Learning Articulated 3D Animals by Distilling 2D Diffusion
von: Jakab, Tomas, et al.
Veröffentlicht: (2023)

Distilled-3DGS:Distilled 3D Gaussian Splatting
von: Xiang, Lintao, et al.
Veröffentlicht: (2025)

StyleMe3D: Stylization with Disentangled Priors by Multiple Encoders on 3D Gaussians
von: Zhuang, Cailin, et al.
Veröffentlicht: (2025)

Does Your 3D Encoder Really Work? When Pretrain-SFT from 2D VLMs Meets 3D VLMs
von: Li, Haoyuan, et al.
Veröffentlicht: (2025)

LFA: Layer Feature Attention for Run-Time Introspection of 2D Object Detectors in Automated Driving
von: Keser, Mert, et al.
Veröffentlicht: (2026)