Buchumschlag

DFormerv2: Geometry Self-Attention for RGBD Semantic Segmentation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yin, Bo-Wen, Cao, Jiao-Long, Cheng, Ming-Ming, Hou, Qibin
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

DFormer: Rethinking RGBD Representation Learning for Semantic Segmentation
von: Yin, Bowen, et al.
Veröffentlicht: (2023)

OmniSegmentor: A Flexible Multi-Modal Learning Framework for Semantic Segmentation
von: Yin, Bo-Wen, et al.
Veröffentlicht: (2025)

StoryDiffusion: Consistent Self-Attention for Long-Range Image and Video Generation
von: Zhou, Yupeng, et al.
Veröffentlicht: (2024)

Cascade-CLIP: Cascaded Vision-Language Embeddings Alignment for Zero-Shot Semantic Segmentation
von: Li, Yunheng, et al.
Veröffentlicht: (2024)

Revisiting Efficient Semantic Segmentation: Learning Offsets for Better Spatial and Class Feature Alignment
von: Zhang, Shi-Chen, et al.
Veröffentlicht: (2025)

SRFormerV2: Taking a Closer Look at Permuted Self-Attention for Image Super-Resolution
von: Zhou, Yupeng, et al.
Veröffentlicht: (2023)

Low-Resolution Self-Attention for Semantic Segmentation
von: Wu, Yu-Huan, et al.
Veröffentlicht: (2023)

GeoWorld: Unlocking the Potential of Geometry Models to Facilitate High-Fidelity 3D Scene Generation
von: Wan, Yuhao, et al.
Veröffentlicht: (2025)

High-Quality Mask Tuning Matters for Open-Vocabulary Segmentation
von: Zeng, Quan-Sheng, et al.
Veröffentlicht: (2024)

TempSamp-R1: Effective Temporal Sampling with Reinforcement Fine-Tuning for Video LLMs
von: Li, Yunheng, et al.
Veröffentlicht: (2025)

Referring Camouflaged Object Detection
von: Zhang, Xuying, et al.
Veröffentlicht: (2023)

Revisiting Cross-Modal Knowledge Distillation: A Disentanglement Approach for RGBD Semantic Segmentation
von: Ferrod, Roger, et al.
Veröffentlicht: (2025)

Geometry Depth Consistency in RGBD Relative Pose Estimation
von: Kumar, Sourav, et al.
Veröffentlicht: (2024)

Traffic Scene Parsing through the TSP6K Dataset
von: Jiang, Peng-Tao, et al.
Veröffentlicht: (2023)

Multi-Scale Representations by Varying Window Attention for Semantic Segmentation
von: Yan, Haotian, et al.
Veröffentlicht: (2024)

MedSeg-R: Medical Image Segmentation with Clinical Reasoning
von: Shao, Hao, et al.
Veröffentlicht: (2025)

Enhancing Representations through Heterogeneous Self-Supervised Learning
von: Li, Zhong-Yu, et al.
Veröffentlicht: (2023)

Rethinking Token-Level Policy Optimization for Multimodal Chain-of-Thought
von: Li, Yunheng, et al.
Veröffentlicht: (2026)

ControlSR: Taming Diffusion Models for Consistent Real-World Image Super Resolution
von: Wan, Yuhao, et al.
Veröffentlicht: (2024)

Unbiased Region-Language Alignment for Open-Vocabulary Dense Prediction
von: Li, Yunheng, et al.
Veröffentlicht: (2024)

Zone Evaluation: Revealing Spatial Bias in Object Detection
von: Zheng, Zhaohui, et al.
Veröffentlicht: (2023)

CrossKD: Cross-Head Knowledge Distillation for Object Detection
von: Wang, Jiabao, et al.
Veröffentlicht: (2023)

Sora Generates Videos with Stunning Geometrical Consistency
von: Li, Xuanyi, et al.
Veröffentlicht: (2024)

Towards Universal Video MLLMs with Attribute-Structured and Quality-Verified Instructions
von: Li, Yunheng, et al.
Veröffentlicht: (2026)

Implicit Event-RGBD Neural SLAM
von: Qu, Delin, et al.
Veröffentlicht: (2023)

Mixture of Style Experts for Diverse Image Stylization
von: Zhu, Shihao, et al.
Veröffentlicht: (2026)

AR-1-to-3: Single Image to Consistent 3D Object Generation via Next-View Prediction
von: Zhang, Xuying, et al.
Veröffentlicht: (2025)

MCANet: Medical Image Segmentation with Multi-Scale Cross-Axis Attention
von: Shao, Hao, et al.
Veröffentlicht: (2023)

YOLO-MS: Rethinking Multi-Scale Representation Learning for Real-time Object Detection
von: Chen, Yuming, et al.
Veröffentlicht: (2023)

Towards Stable 3D Object Detection
von: Wang, Jiabao, et al.
Veröffentlicht: (2024)

MS-NeRF: Multi-Space Neural Radiance Fields
von: Yin, Ze-Xin, et al.
Veröffentlicht: (2023)

RGBD GS-ICP SLAM
von: Ha, Seongbo, et al.
Veröffentlicht: (2024)

The Consistency Critic: Correcting Inconsistencies in Generated Images via Reference-Guided Attentive Alignment
von: Ouyang, Ziheng, et al.
Veröffentlicht: (2025)

Multi-Token Enhancing for Vision Representation Learning
von: Li, Zhong-Yu, et al.
Veröffentlicht: (2024)

Make It Up: Fake Images, Real Gains in Generalized Few-shot Semantic Segmentation
von: Xie, Guohuan, et al.
Veröffentlicht: (2026)

KAC: Kolmogorov-Arnold Classifier for Continual Learning
von: Hu, Yusong, et al.
Veröffentlicht: (2025)

Strip R-CNN: Large Strip Convolution for Remote Sensing Object Detection
von: Yuan, Xinbin, et al.
Veröffentlicht: (2025)

A Glimpse to Compress: Dynamic Visual Token Pruning for Large Vision-Language Models
von: Zeng, Quan-Sheng, et al.
Veröffentlicht: (2025)

Contrastive Masked Autoencoders are Stronger Vision Learners
von: Huang, Zhicheng, et al.
Veröffentlicht: (2022)

Mutual Forcing: Dual-Mode Self-Evolution for Fast Autoregressive Audio-Video Character Generation
von: Zhou, Yupeng, et al.
Veröffentlicht: (2026)