Buchumschlag

LOOPE: Learnable Optimal Patch Order in Positional Embeddings for Vision Transformers

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chowdhury, Md Abtahi Majeed, Rahman, Md Rifat Ur, Taki, Akil Ahmad
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Beyond Dominant Patches: Spatial Credit Redistribution For Grounded Vision-Language Models
von: Samin, Niamul Hassan, et al.
Veröffentlicht: (2026)

Intriguing Equivalence Structures of the Embedding Space of Vision Transformers
von: Salman, Shaeke, et al.
Veröffentlicht: (2024)

Edge-Enhanced Vision Transformer Framework for Accurate AI-Generated Image Detection
von: Das, Dabbrata, et al.
Veröffentlicht: (2025)

Align Where the Words Look: Cross-Attention-Guided Patch Alignment with Contrastive and Transport Regularization for Bengali Captioning
von: Anonto, Riad Ahmed, et al.
Veröffentlicht: (2025)

Step-Level Visual Grounding Faithfulness Predicts Out-of-Distribution Generalization in Long-Horizon Vision-Language Models
von: Rahman, Md Ashikur, et al.
Veröffentlicht: (2026)

Contextual Checkerboard Denoise -- A Novel Neural Network-Based Approach for Classification-Aware OCT Image Denoising
von: Islam, Md. Touhidul, et al.
Veröffentlicht: (2024)

Robustness of Vision Language Models Against Split-Image Harmful Input Attacks
von: Rashid, Md Rafi Ur, et al.
Veröffentlicht: (2026)

Improved Ear Verification with Vision Transformers and Overlapping Patches
von: Arun, Deeksha, et al.
Veröffentlicht: (2025)

ViTs are Everywhere: A Comprehensive Study Showcasing Vision Transformers in Different Domain
von: Mia, Md Sohag, et al.
Veröffentlicht: (2023)

VideoLights: Feature Refinement and Cross-Task Alignment Transformer for Joint Video Highlight Detection and Moment Retrieval
von: Paul, Dhiman, et al.
Veröffentlicht: (2024)

An Explainable Vision-Language Model Framework with Adaptive PID-Tversky Loss for Lumbar Spinal Stenosis Diagnosis
von: Sk., Md. Sajeebul Islam, et al.
Veröffentlicht: (2026)

Personalized Federated Segmentation with Shared Feature Aggregation and Boundary-Focused Calibration
von: Tashdeed, Ishmam, et al.
Veröffentlicht: (2025)

AdaptViG: Adaptive Vision GNN with Exponential Decay Gating
von: Munir, Mustafa, et al.
Veröffentlicht: (2025)

Tiny-ViT: A Compact Vision Transformer for Efficient and Explainable Potato Leaf Disease Classification
von: Mia, Shakil, et al.
Veröffentlicht: (2026)

Weierstrass Positional Encoding for Vision Transformers
von: Xin, Zhihang, et al.
Veröffentlicht: (2026)

FUSED-Net: Detecting Traffic Signs with Limited Data
von: Rahman, Md. Atiqur, et al.
Veröffentlicht: (2024)

ReHARK: Refined Hybrid Adaptive RBF Kernels for Robust One-Shot Vision-Language Adaptation
von: Islam, Md Jahidul
Veröffentlicht: (2026)

Patch Rebirth: Toward Fast and Transferable Model Inversion of Vision Transformers
von: Heo, Seongsoo, et al.
Veröffentlicht: (2025)

VFM-VLM: Vision Foundation Model and Vision Language Model based Visual Comparison for 3D Pose Estimation
von: Sarowar, Md Selim, et al.
Veröffentlicht: (2025)

Automated Toll Management System Using RFID and Image Processing
von: Ahmed, Raihan, et al.
Veröffentlicht: (2024)

DL$^3$M: A Vision-to-Language Framework for Expert-Level Medical Reasoning through Deep Learning and Large Language Models
von: Hasan, Md. Najib, et al.
Veröffentlicht: (2025)

UAVs and Birds: Enhancing Short-Range Navigation through Budgerigar Flight Studies
von: Rahman, Md. Mahmudur, et al.
Veröffentlicht: (2023)

Cross-Axis Transformer with 3D Rotary Positional Embeddings
von: Erickson, Lily
Veröffentlicht: (2023)

RapidNet: Multi-Level Dilated Convolution Based Mobile Backbone
von: Munir, Mustafa, et al.
Veröffentlicht: (2024)

Configuring Data Augmentations to Reduce Variance Shift in Positional Embedding of Vision Transformers
von: Kim, Bum Jun, et al.
Veröffentlicht: (2024)

Vision-Based Localization and LLM-based Navigation for Indoor Environments
von: Rahimi, Keyan, et al.
Veröffentlicht: (2025)

Accelerating Vision Transformers with Adaptive Patch Sizes
von: Choudhury, Rohan, et al.
Veröffentlicht: (2025)

Securing Vision-Language Models with a Robust Encoder Against Jailbreak and Adversarial Attacks
von: Hossain, Md Zarif, et al.
Veröffentlicht: (2024)

Fine-Grained Cat Breed Recognition with Global Context Vision Transformer
von: Hera, Mowmita Parvin, et al.
Veröffentlicht: (2026)

Brain Tumor Classifiers Under Attack: Robustness of ResNet Variants Against Transferable FGSM and PGD Attacks
von: Deem, Ryan, et al.
Veröffentlicht: (2026)

GreedyViG: Dynamic Axial Graph Construction for Efficient Vision GNNs
von: Munir, Mustafa, et al.
Veröffentlicht: (2024)

Beyond Symbolic Solving: Multi Chain-of-Thought Voting for Geometric Reasoning in Large Language Models
von: Siddique, Md. Abu Bakor, et al.
Veröffentlicht: (2026)

MambaLiteUNet: Cross-Gated Adaptive Feature Fusion for Robust Skin Lesion Segmentation
von: Rahman, Md Maklachur, et al.
Veröffentlicht: (2026)

BeHGAN: Bengali Handwritten Word Generation from Plain Text Using Generative Adversarial Networks
von: Islam, Md. Rakibul, et al.
Veröffentlicht: (2025)

TG-LLaVA: Text Guided LLaVA via Learnable Latent Embeddings
von: Yan, Dawei, et al.
Veröffentlicht: (2024)

Patch is Enough: Naturalistic Adversarial Patch against Vision-Language Pre-training Models
von: Kong, Dehong, et al.
Veröffentlicht: (2024)

Learning to Merge Tokens via Decoupled Embedding for Efficient Vision Transformers
von: Lee, Dong Hoon, et al.
Veröffentlicht: (2024)

Dynamic Weight Adjustment for Knowledge Distillation: Leveraging Vision Transformer for High-Accuracy Lung Cancer Detection and Real-Time Deployment
von: Khan, Saif Ur Rehman, et al.
Veröffentlicht: (2025)

A 2D Semantic-Aware Position Encoding for Vision Transformers
von: Chen, Xi, et al.
Veröffentlicht: (2025)

Teacher-Guided One-Shot Pruning via Context-Aware Knowledge Distillation
von: Alim, Md. Samiul, et al.
Veröffentlicht: (2025)