VisTa: Visual-contextual and Text-augmented Zero-shot Object-level OOD Detection
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Zhang, Bin, Qu, Xiaoyang, Li, Guokuan, Wan, Jiguang, Wang, Jianzong |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
RATE-Nav: Region-Aware Termination Enhancement for Zero-shot Object Navigation with Vision-Language Models
par: Li, Junjie, et autres
Publié: (2025)
par: Li, Junjie, et autres
Publié: (2025)
RUNA: Object-level Out-of-Distribution Detection via Regional Uncertainty Alignment of Multimodal Representations
par: Zhang, Bin, et autres
Publié: (2025)
par: Zhang, Bin, et autres
Publié: (2025)
Triage: Hierarchical Visual Budgeting for Efficient Video Reasoning in Vision-Language Models
par: Wang, Anmin, et autres
Publié: (2026)
par: Wang, Anmin, et autres
Publié: (2026)
PRENet: A Plane-Fit Redundancy Encoding Point Cloud Sequence Network for Real-Time 3D Action Recognition
par: He, Shenglin, et autres
Publié: (2024)
par: He, Shenglin, et autres
Publié: (2024)
Vista: Scene-Aware Optimization for Streaming Video Question Answering under Post-Hoc Queries
par: Lu, Haocheng, et autres
Publié: (2026)
par: Lu, Haocheng, et autres
Publié: (2026)
WindowQuant: Mixed-Precision KV Cache Quantization based on Window-Level Similarity for VLMs Inference Optimization
par: Tao, Wei, et autres
Publié: (2026)
par: Tao, Wei, et autres
Publié: (2026)
Value-Driven Mixed-Precision Quantization for Patch-Based Inference on Microcontrollers
par: Tao, Wei, et autres
Publié: (2024)
par: Tao, Wei, et autres
Publié: (2024)
MoQAE: Mixed-Precision Quantization for Long-Context LLM Inference via Mixture of Quantization-Aware Experts
par: Tao, Wei, et autres
Publié: (2025)
par: Tao, Wei, et autres
Publié: (2025)
BAGNet: A Boundary-Aware Graph Attention Network for 3D Point Cloud Semantic Segmentation
par: Tao, Wei, et autres
Publié: (2025)
par: Tao, Wei, et autres
Publié: (2025)
From Inheritance to Saturation: Disentangling the Evolution of Visual Redundancy for Architecture-Aware MLLM Inference Acceleration
par: Shi, Jiaqi, et autres
Publié: (2026)
par: Shi, Jiaqi, et autres
Publié: (2026)
ViTa-Zero: Zero-shot Visuotactile Object 6D Pose Estimation
par: Li, Hongyu, et autres
Publié: (2025)
par: Li, Hongyu, et autres
Publié: (2025)
Enhancing Multi-Agent Systems via Reinforcement Learning with LLM-based Planner and Graph-based Policy
par: Jia, Ziqi, et autres
Publié: (2025)
par: Jia, Ziqi, et autres
Publié: (2025)
GPT4Vis: What Can GPT-4 Do for Zero-shot Visual Recognition?
par: Wu, Wenhao, et autres
Publié: (2023)
par: Wu, Wenhao, et autres
Publié: (2023)
VisKnow: Constructing Visual Knowledge Base for Object Understanding
par: Yao, Ziwei, et autres
Publié: (2025)
par: Yao, Ziwei, et autres
Publié: (2025)
CARE: Multi-Task Pretraining for Latent Continuous Action Representation in Robot Control
par: Shi, Jiaqi, et autres
Publié: (2026)
par: Shi, Jiaqi, et autres
Publié: (2026)
Federated Domain Generalization with Domain-specific Soft Prompts Generation
par: Wu, Jianhan, et autres
Publié: (2025)
par: Wu, Jianhan, et autres
Publié: (2025)
Chain of Visual Perception: Harnessing Multimodal Large Language Models for Zero-shot Camouflaged Object Detection
par: Tang, Lv, et autres
Publié: (2023)
par: Tang, Lv, et autres
Publié: (2023)
Combining Knowledge Graph and LLMs for Enhanced Zero-shot Visual Question Answering
par: Tao, Qian, et autres
Publié: (2025)
par: Tao, Qian, et autres
Publié: (2025)
Zero-shot Generalizable Incremental Learning for Vision-Language Object Detection
par: Deng, Jieren, et autres
Publié: (2024)
par: Deng, Jieren, et autres
Publié: (2024)
MIRRORTALK: Forging Personalized Avatars Via Disentangled Style and Hierarchical Motion Control
par: Lu, Renjie, et autres
Publié: (2026)
par: Lu, Renjie, et autres
Publié: (2026)
DIVA: Harnessing the Representation Divergence in Unified Multimodal Models for Mutual Reinforcement
par: Lu, Renjie, et autres
Publié: (2026)
par: Lu, Renjie, et autres
Publié: (2026)
Hierarchical-Task-Aware Multi-modal Mixture of Incremental LoRA Experts for Embodied Continual Learning
par: Jia, Ziqi, et autres
Publié: (2025)
par: Jia, Ziqi, et autres
Publié: (2025)
Task-Specific Zero-shot Quantization-Aware Training for Object Detection
par: Li, Changhao, et autres
Publié: (2025)
par: Li, Changhao, et autres
Publié: (2025)
VisRet: Visualization Improves Knowledge-Intensive Text-to-Image Retrieval
par: Wu, Di, et autres
Publié: (2025)
par: Wu, Di, et autres
Publié: (2025)
VGDiffZero: Text-to-image Diffusion Models Can Be Zero-shot Visual Grounders
par: Liu, Xuyang, et autres
Publié: (2023)
par: Liu, Xuyang, et autres
Publié: (2023)
AnyDoor: Zero-shot Object-level Image Customization
par: Chen, Xi, et autres
Publié: (2023)
par: Chen, Xi, et autres
Publié: (2023)
Proto-OOD: Enhancing OOD Object Detection with Prototype Feature Similarity
par: Chen, Junkun, et autres
Publié: (2024)
par: Chen, Junkun, et autres
Publié: (2024)
VLA-InfoEntropy: A Training-Free Vision-Attention Information Entropy Approach for Vision-Language-Action Models Inference Acceleration and Success
par: Liu, Chuhang, et autres
Publié: (2026)
par: Liu, Chuhang, et autres
Publié: (2026)
CLIPScope: Enhancing Zero-Shot OOD Detection with Bayesian Scoring
par: Fu, Hao, et autres
Publié: (2024)
par: Fu, Hao, et autres
Publié: (2024)
Zero-shot Composed Text-Image Retrieval
par: Liu, Yikun, et autres
Publié: (2023)
par: Liu, Yikun, et autres
Publié: (2023)
AnomalyCLIP: Object-agnostic Prompt Learning for Zero-shot Anomaly Detection
par: Zhou, Qihang, et autres
Publié: (2023)
par: Zhou, Qihang, et autres
Publié: (2023)
Zero-shot Object Counting with Good Exemplars
par: Zhu, Huilin, et autres
Publié: (2024)
par: Zhu, Huilin, et autres
Publié: (2024)
MADLLM: Multivariate Anomaly Detection via Pre-trained LLMs
par: Tao, Wei, et autres
Publié: (2025)
par: Tao, Wei, et autres
Publié: (2025)
ESARM: 3D Emotional Speech-to-Animation via Reward Model from Automatically-Ranked Demonstrations
par: Zhang, Xulong, et autres
Publié: (2024)
par: Zhang, Xulong, et autres
Publié: (2024)
ZeroComp: Zero-shot Object Compositing from Image Intrinsics via Diffusion
par: Zhang, Zitian, et autres
Publié: (2024)
par: Zhang, Zitian, et autres
Publié: (2024)
Towards Zero-shot Human-Object Interaction Detection via Vision-Language Integration
par: Xue, Weiying, et autres
Publié: (2024)
par: Xue, Weiying, et autres
Publié: (2024)
Zero-shot Degree of Ill-posedness Estimation for Active Small Object Change Detection
par: Takeda, Koji, et autres
Publié: (2024)
par: Takeda, Koji, et autres
Publié: (2024)
Visual Diversity and Region-aware Prompt Learning for Zero-shot HOI Detection
par: Yang, Chanhyeong, et autres
Publié: (2025)
par: Yang, Chanhyeong, et autres
Publié: (2025)
Text-guided Zero-Shot Object Localization
par: Wang, Jingjing, et autres
Publié: (2024)
par: Wang, Jingjing, et autres
Publié: (2024)
VLCounter: Text-aware Visual Representation for Zero-Shot Object Counting
par: Kang, Seunggu, et autres
Publié: (2023)
par: Kang, Seunggu, et autres
Publié: (2023)
Documents similaires
-
RATE-Nav: Region-Aware Termination Enhancement for Zero-shot Object Navigation with Vision-Language Models
par: Li, Junjie, et autres
Publié: (2025) -
RUNA: Object-level Out-of-Distribution Detection via Regional Uncertainty Alignment of Multimodal Representations
par: Zhang, Bin, et autres
Publié: (2025) -
Triage: Hierarchical Visual Budgeting for Efficient Video Reasoning in Vision-Language Models
par: Wang, Anmin, et autres
Publié: (2026) -
PRENet: A Plane-Fit Redundancy Encoding Point Cloud Sequence Network for Real-Time 3D Action Recognition
par: He, Shenglin, et autres
Publié: (2024) -
Vista: Scene-Aware Optimization for Streaming Video Question Answering under Post-Hoc Queries
par: Lu, Haocheng, et autres
Publié: (2026)