:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Cai, Yichao, Liu, Yuhang, Gao, Erdun, Jiang, Tianjiao, Zhang, Zhen, Hengel, Anton van den, Shi, Javen Qinfeng
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Computer Vision and Pattern Recognition
Online-Zugang:	https://arxiv.org/abs/2504.10143
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Causal Disentanglement and Cross-Modal Alignment for Enhanced Few-Shot Learning
von: Jiang, Tianjiao, et al.
Veröffentlicht: (2025)

Beyond DAGs: A Latent Partial Causal Model for Multimodal Learning
von: Liu, Yuhang, et al.
Veröffentlicht: (2024)

CLAP: Isolating Content from Style through Contrastive Learning with Augmented Prompts
von: Cai, Yichao, et al.
Veröffentlicht: (2023)

The Devil is in the Distributions: Explicit Modeling of Scene Content is Key in Zero-Shot Video Captioning
von: Tian, Mingkai, et al.
Veröffentlicht: (2025)

Concept Component Analysis: A Principled Approach for Concept Extraction in LLMs
von: Liu, Yuhang, et al.
Veröffentlicht: (2026)

Learning to Reason and Navigate: Parameter Efficient Action Planning with Large Language Models
von: Mohammadi, Bahram, et al.
Veröffentlicht: (2025)

I Predict Therefore I Am: Is Next Token Prediction Enough to Learn Human-Interpretable Concepts from Data?
von: Liu, Yuhang, et al.
Veröffentlicht: (2025)

The Geometric Mechanics of Contrastive Representation Learning: Alignment Potentials, Entropic Dispersion, and Cross-modal Divergence
von: Cai, Yichao, et al.
Veröffentlicht: (2026)

A Survey on Deep Neural Network Pruning-Taxonomy, Comparison, Analysis, and Recommendations
von: Cheng, Hongrong, et al.
Veröffentlicht: (2023)

A Simple-but-effective Baseline for Training-free Class-Agnostic Counting
von: Lin, Yuhao, et al.
Veröffentlicht: (2024)

Can You Learn to See Without Images? Procedural Warm-Up for Vision Transformers
von: Shinnick, Zachary, et al.
Veröffentlicht: (2025)

Towards Identifiable Latent Additive Noise Models
von: Liu, Yuhang, et al.
Veröffentlicht: (2024)

What Makes a Representation Good for Single-Cell Perturbation Prediction?
von: Jiang, Wenkang, et al.
Veröffentlicht: (2026)

Points-to-3D: Structure-Aware 3D Generation with Point Cloud Priors
von: Xia, Jiatong, et al.
Veröffentlicht: (2026)

Premonition: Using Generative Models to Preempt Future Data Changes in Continual Learning
von: McDonnell, Mark D., et al.
Veröffentlicht: (2024)

Scaling up Multi-domain Semantic Segmentation with Sentence Embeddings
von: Yin, Wei, et al.
Veröffentlicht: (2022)

Augmented Commonsense Knowledge for Remote Object Grounding
von: Mohammadi, Bahram, et al.
Veröffentlicht: (2024)

Let Your Video Listen to Your Music!
von: Zhang, Xinyu, et al.
Veröffentlicht: (2025)

Frame-wise Conditioning Adaptation for Fine-Tuning Diffusion Models in Text-to-Video Prediction
von: Liu, Zheyuan, et al.
Veröffentlicht: (2025)

RanPAC: Random Projections and Pre-trained Models for Continual Learning
von: McDonnell, Mark D., et al.
Veröffentlicht: (2023)

Continual Learning on CLIP via Incremental Prompt Tuning with Intrinsic Textual Anchors
von: Lu, Haodong, et al.
Veröffentlicht: (2025)

Chem4DLLM: 4D Multimodal LLMs for Chemical Dynamics Understanding
von: Li, Xinyu, et al.
Veröffentlicht: (2026)

Hierarchical Process Reward Models are Symbolic Vision Learners
von: Zhang, Shan, et al.
Veröffentlicht: (2025)

ViewFusion: Towards Multi-View Consistency via Interpolated Denoising
von: Yang, Xianghui, et al.
Veröffentlicht: (2024)

InvariantStock: Learning Invariant Features for Mastering the Shifting Market
von: Cao, Haiyao, et al.
Veröffentlicht: (2024)

Learning Latent Dynamical Causal Processes for Single-Cell Perturbation Prediction
von: Jiang, Wenkang, et al.
Veröffentlicht: (2026)

Knowledge Composition using Task Vectors with Learned Anisotropic Scaling
von: Zhang, Frederic Z., et al.
Veröffentlicht: (2024)

Source-Free Unsupervised Domain Adaptation with Hypothesis Consolidation of Prediction Rationale
von: Shu, Yangyang, et al.
Veröffentlicht: (2024)

Categorical Keypoint Positional Embedding for Robust Animal Re-Identification
von: Lin, Yuhao, et al.
Veröffentlicht: (2024)

Representation Space Constrained Learning with Modality Decoupling for Multimodal Object Detection
von: Shao, YiKang, et al.
Veröffentlicht: (2025)

Rethinking Visual Token Reduction in LVLMs Under Cross-Modal Misalignment
von: Xu, Rui, et al.
Veröffentlicht: (2025)

DecAlign: Hierarchical Cross-Modal Alignment for Decoupled Multimodal Representation Learning
von: Qian, Chengxuan, et al.
Veröffentlicht: (2025)

Towards Higher Effective Rank in Parameter-efficient Fine-tuning using Khatri--Rao Product
von: Albert, Paul, et al.
Veröffentlicht: (2025)

Math Blind: Failures in Diagram Understanding Undermine Reasoning in MLLMs
von: Sun, Yanpeng, et al.
Veröffentlicht: (2025)

ProgRoCC: A Progressive Approach to Rough Crowd Counting
von: Jiang, Shengqin, et al.
Veröffentlicht: (2025)

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

SO3UFormer: Learning Intrinsic Spherical Features for Rotation-Robust Panoramic Segmentation
von: Zhu, Qinfeng, et al.
Veröffentlicht: (2026)

Prosody-Enhanced Acoustic Pre-training and Acoustic-Disentangled Prosody Adapting for Movie Dubbing
von: Zhang, Zhedong, et al.
Veröffentlicht: (2025)

Enhancing Multimodal Unified Representations for Cross Modal Generalization
von: Huang, Hai, et al.
Veröffentlicht: (2024)

Open-set Cross Modal Generalization via Multimodal Unified Representation
von: Huang, Hai, et al.
Veröffentlicht: (2025)