Buchumschlag

MetaUAS: Universal Anomaly Segmentation with One-Prompt Meta-Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Gao, Bin-Bin
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

Learning to Detect Multi-class Anomalies with Just One Normal Image Prompt
von: Gao, Bin-Bin
Veröffentlicht: (2025)

Few-Shot Anomaly-Driven Generation for Anomaly Classification and Segmentation
von: Gui, Guan, et al.
Veröffentlicht: (2025)

ConceptSeg-R1: Segment Any Concept via Meta-Reinforcement Learning
von: Zhao, Yuan, et al.
Veröffentlicht: (2026)

AdaptCLIP: Adapting CLIP for Universal Visual Anomaly Detection
von: Gao, Bin-Bin, et al.
Veröffentlicht: (2025)

Segment Any Anomaly without Training via Hybrid Prompt Regularization
von: Cao, Yunkang, et al.
Veröffentlicht: (2023)

MetaSeg: MetaFormer-based Global Contexts-aware Network for Efficient Semantic Segmentation
von: Kang, Beoungwoo, et al.
Veröffentlicht: (2024)

Zero-Shot Industrial Anomaly Segmentation with Image-Aware Prompt Generation
von: Park, SoYoung, et al.
Veröffentlicht: (2025)

Not All Pixels Are Equal: Pixel-wise Meta-Learning for Medical Segmentation with Noisy Labels
von: Mu, Chenyu, et al.
Veröffentlicht: (2025)

One Language-Free Foundation Model Is Enough for Universal Vision Anomaly Detection
von: Gao, Bin-Bin, et al.
Veröffentlicht: (2026)

Multi-modality Anomaly Segmentation on the Road
von: Gao, Heng, et al.
Veröffentlicht: (2025)

MetaCOG: A Hierarchical Probabilistic Model for Learning Meta-Cognitive Visual Representations
von: Berke, Marlene D., et al.
Veröffentlicht: (2021)

Meta Pruning via Graph Metanetworks : A Universal Meta Learning Framework for Network Pruning
von: Liu, Yewei, et al.
Veröffentlicht: (2025)

Relation-Aware Meta-Learning for Zero-shot Sketch-Based Image Retrieval
von: Liu, Yang, et al.
Veröffentlicht: (2024)

MMAD: A Comprehensive Benchmark for Multimodal Large Language Models in Industrial Anomaly Detection
von: Jiang, Xi, et al.
Veröffentlicht: (2024)

K-Prism: A Knowledge-Guided and Prompt Integrated Universal Medical Image Segmentation Model
von: Guo, Bangwei, et al.
Veröffentlicht: (2025)

MetaLogic: Robustness Evaluation of Text-to-Image Models via Logically Equivalent Prompts
von: Shen, Yifan, et al.
Veröffentlicht: (2025)

One-stage Prompt-based Continual Learning
von: Kim, Youngeun, et al.
Veröffentlicht: (2024)

Generative Universal Verifier as Multimodal Meta-Reasoner
von: Zhang, Xinchen, et al.
Veröffentlicht: (2025)

Learning Segmented 3D Gaussians via Efficient Feature Unprojection for Zero-shot Neural Scene Segmentation
von: Dou, Bin, et al.
Veröffentlicht: (2024)

FM-LoRA: Factorized Low-Rank Meta-Prompting for Continual Learning
von: Yu, Xiaobing, et al.
Veröffentlicht: (2025)

Towards Visual-Prompt Temporal Answering Grounding in Medical Instructional Video
von: Li, Bin, et al.
Veröffentlicht: (2022)

AD-Copilot: A Vision-Language Assistant for Industrial Anomaly Detection via Visual In-context Comparison
von: Jiang, Xi, et al.
Veröffentlicht: (2026)

Visual Prompt Selection for In-Context Learning Segmentation
von: Suo, Wei, et al.
Veröffentlicht: (2024)

Test-Time Domain Generalization via Universe Learning: A Multi-Graph Matching Approach for Medical Image Segmentation
von: Lv, Xingguo, et al.
Veröffentlicht: (2025)

Meta-D: Metadata-Aware Architectures for Brain Tumor Analysis and Missing-Modality Segmentation
von: Kim, SangHyuk, et al.
Veröffentlicht: (2026)

Large-Scale Universal Defect Generation: Foundation Models and Datasets
von: Fan, Yuanting, et al.
Veröffentlicht: (2026)

Learning to Detour: Shortcut Mitigating Augmentation for Weakly Supervised Semantic Segmentation
von: Kwon, JuneHyoung, et al.
Veröffentlicht: (2024)

Multimodal Prompt Alignment for Facial Expression Recognition
von: Ma, Fuyan, et al.
Veröffentlicht: (2025)

NubbleDrop: A Simple Way to Improve Matching Strategy for Prompted One-Shot Segmentation
von: Xu, Zhiyu, et al.
Veröffentlicht: (2024)

MetaSSC: Enhancing 3D Semantic Scene Completion for Autonomous Driving through Meta-Learning and Long-sequence Modeling
von: Qu, Yansong, et al.
Veröffentlicht: (2024)

Meta-Prompting for Automating Zero-shot Visual Recognition with LLMs
von: Mirza, M. Jehanzeb, et al.
Veröffentlicht: (2024)

Meta-INR: Efficient Encoding of Volumetric Data via Meta-Learning Implicit Neural Representation
von: Yang, Maizhe, et al.
Veröffentlicht: (2025)

MAML MOT: Multiple Object Tracking based on Meta-Learning
von: Chen, Jiayi, et al.
Veröffentlicht: (2024)

A Multi-Stage Framework for 3D Individual Tooth Segmentation in Dental CBCT
von: Wang, Chunshi, et al.
Veröffentlicht: (2024)

Med-PerSAM: One-Shot Visual Prompt Tuning for Personalized Segment Anything Model in Medical Domain
von: Yoon, Hangyul, et al.
Veröffentlicht: (2024)

SoftPatch: Unsupervised Anomaly Detection with Noisy Data
von: Jiang, Xi, et al.
Veröffentlicht: (2024)

Customize Segment Anything Model for Multi-Modal Semantic Segmentation with Mixture of LoRA Experts
von: Zhu, Chenyang, et al.
Veröffentlicht: (2024)

DuPLUS: Dual-Prompt Vision-Language Framework for Universal Medical Image Segmentation and Prognosis
von: Saeed, Numan, et al.
Veröffentlicht: (2025)

Medical SAM3: A Foundation Model for Universal Prompt-Driven Medical Image Segmentation
von: Jiang, Chongcong, et al.
Veröffentlicht: (2026)

Task-Specific Adaptation of Segmentation Foundation Model via Prompt Learning
von: Kim, Hyung-Il, et al.
Veröffentlicht: (2024)