Buchumschlag

When Less is Enough: Adaptive Token Reduction for Efficient Image Representation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Allakhverdov, Eduard, Goncharova, Elizaveta, Kuznetsov, Andrey
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition 68T10, 68T30, 68T45 I.2.10
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Image Reconstruction as a Tool for Feature Analysis
von: Allakhverdov, Eduard, et al.
Veröffentlicht: (2025)

Learning Discriminative Spatio-temporal Representations for Semi-supervised Action Recognition
von: Wang, Yu, et al.
Veröffentlicht: (2024)

DSER: Spectral Epipolar Representation for Efficient Light Field Depth Estimation
von: Mohammad, Noor Islam S., et al.
Veröffentlicht: (2025)

DOD-SA: Infrared-Visible Decoupled Object Detection with Single-Modality Annotations
von: Jin, Hang, et al.
Veröffentlicht: (2025)

ClustViT: Clustering-based Token Merging for Semantic Segmentation
von: Montello, Fabio, et al.
Veröffentlicht: (2025)

Sequence Matters: Harnessing Video Models in 3D Super-Resolution
von: Ko, Hyun-kyu, et al.
Veröffentlicht: (2024)

Hierarchical Spatial Algorithms for High-Resolution Image Quantization and Feature Extraction
von: Mohammad, Noor Islam S.
Veröffentlicht: (2025)

Semantic2Graph: Graph-based Multi-modal Feature Fusion for Action Segmentation in Videos
von: Zhang, Junbin, et al.
Veröffentlicht: (2022)

FrameFusion: Combining Similarity and Importance for Video Token Reduction on Large Vision Language Models
von: Fu, Tianyu, et al.
Veröffentlicht: (2024)

Extrapolating and Decoupling Image-to-Video Generation Models: Motion Modeling is Easier Than You Think
von: Tian, Jie, et al.
Veröffentlicht: (2025)

Visual-Text Cross Alignment: Refining the Similarity Score in Vision-Language Models
von: Li, Jinhao, et al.
Veröffentlicht: (2024)

RefineFormer3D: Efficient 3D Medical Image Segmentation via Adaptive Multi-Scale Transformer with Cross Attention Fusion
von: Tyagi, Kavyansh, et al.
Veröffentlicht: (2026)

Harmony: A Joint Self-Supervised and Weakly-Supervised Framework for Learning General Purpose Visual Representations
von: Baharoon, Mohammed, et al.
Veröffentlicht: (2024)

DeepFusionNet: Autoencoder-Based Low-Light Image Enhancement and Super-Resolution
von: Çalışkan, Halil Hüseyin, et al.
Veröffentlicht: (2025)

Automated User Identification from Facial Thermograms with Siamese Networks
von: Prozorova, Elizaveta, et al.
Veröffentlicht: (2025)

Deep Learning Approaches for Human Action Recognition in Video Data
von: Xie, Yufei
Veröffentlicht: (2024)

LatentForensics: Towards frugal deepfake detection in the StyleGAN latent space
von: Delmas, Matthieu, et al.
Veröffentlicht: (2023)

Synthetic Industrial Object Detection: GenAI vs. Feature-Based Methods
von: Araya-Martinez, Jose Moises, et al.
Veröffentlicht: (2025)

One-to-Normal: Anomaly Personalization for Few-shot Anomaly Detection
von: Li, Yiyue, et al.
Veröffentlicht: (2025)

Zero-Shot Multi-Criteria Visual Quality Inspection for Semi-Controlled Industrial Environments via Real-Time 3D Digital Twin Simulation
von: Araya-Martinez, Jose Moises, et al.
Veröffentlicht: (2025)

Multi-scale Temporal Prediction via Incremental Generation and Multi-agent Collaboration
von: Zeng, Zhitao, et al.
Veröffentlicht: (2025)

PlaneSAM: Multimodal Plane Instance Segmentation Using the Segment Anything Model
von: Deng, Zhongchen, et al.
Veröffentlicht: (2024)

SurgVLM: A Large Vision-Language Model and Systematic Evaluation Benchmark for Surgical Intelligence
von: Zeng, Zhitao, et al.
Veröffentlicht: (2025)

UrbanAlign: Post-hoc Semantic Calibration for VLM-Human Preference Alignment
von: Zhang, Yecheng, et al.
Veröffentlicht: (2026)

SynthRender and IRIS: Open-Source Framework and Dataset for Bidirectional Sim-Real Transfer in Industrial Object Perception
von: Araya-Martinez, Jose Moises, et al.
Veröffentlicht: (2026)

DiffYOLO: Object Detection for Anti-Noise via YOLO and Diffusion Models
von: Liu, Yichen, et al.
Veröffentlicht: (2024)

Video-CoE: Reinforcing Video Event Prediction via Chain of Events
von: Su, Qile, et al.
Veröffentlicht: (2026)

ShapBPT: Image Feature Attributions Using Data-Aware Binary Partition Trees
von: Rashid, Muhammad, et al.
Veröffentlicht: (2026)

MOVE: A Mixture-of-Vision-Encoders Approach for Domain-Focused Vision-Language Processing
von: Skripkin, Matvey, et al.
Veröffentlicht: (2025)

Fast 3D point clouds retrieval for Large-scale 3D Place Recognition
von: Zede, Chahine-Nicolas, et al.
Veröffentlicht: (2025)

An M-Health Algorithmic Approach to Identify and Assess Physiotherapy Exercises in Real Time
von: Kandylakis, Stylianos, et al.
Veröffentlicht: (2025)

Revisiting Energy-Based Model for Out-of-Distribution Detection
von: Wu, Yifan, et al.
Veröffentlicht: (2024)

LRVS-Fashion: Extending Visual Search with Referring Instructions
von: Lepage, Simon, et al.
Veröffentlicht: (2023)

E Pluribus Unum Interpretable Convolutional Neural Networks
von: Dimas, George, et al.
Veröffentlicht: (2022)

Does CLIP perceive art the same way we do?
von: Asperti, Andrea, et al.
Veröffentlicht: (2025)

Smelly, dense, and spreaded: The Object Detection for Olfactory References (ODOR) dataset
von: Zinnen, Mathias, et al.
Veröffentlicht: (2025)

A large-scale, physically-based synthetic dataset for satellite pose estimation
von: Velkei, Szabolcs, et al.
Veröffentlicht: (2025)

Semantic Prioritization in Visual Counterfactual Explanations with Weighted Segmentation and Auto-Adaptive Region Selection
von: Zhang, Lintong, et al.
Veröffentlicht: (2025)

MB-DSMIL-CL-PL: Scalable Weakly Supervised Ovarian Cancer Subtype Classification and Localisation Using Contrastive and Prototype Learning with Frozen Patch Features
von: Jenkins, Marcus, et al.
Veröffentlicht: (2026)

OpenFusion++: An Open-vocabulary Real-time Scene Understanding System
von: Jin, Xiaofeng, et al.
Veröffentlicht: (2025)