CLIP-like Model as a Foundational Density Ratio Estimator
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Uchiyama, Fumiya, Yanagi, Rintaro, Taniguchi, Shohei, Takashiro, Shota, Suzuki, Masahiro, Kataoka, Hirokatsu, Iwasawa, Yusuke, Matsuo, Yutaka |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
PowerCLIP: Powerset Alignment for Contrastive Pre-Training
par: Kawamura, Masaki, et autres
Publié: (2025)
par: Kawamura, Masaki, et autres
Publié: (2025)
$\infty$-MoE: Generalizing Mixture of Experts to Infinite Experts
par: Takashiro, Shota, et autres
Publié: (2026)
par: Takashiro, Shota, et autres
Publié: (2026)
SSM Meets Video Diffusion Models: Efficient Long-Term Video Generation with Structured State Spaces
par: Oshima, Yuta, et autres
Publié: (2024)
par: Oshima, Yuta, et autres
Publié: (2024)
MoireMix: A Formula-Based Data Augmentation for Improving Image Classification Robustness
par: Matsuo, Yuto, et autres
Publié: (2026)
par: Matsuo, Yuto, et autres
Publié: (2026)
WorldPack: Compressed Memory Improves Spatial Consistency in Video World Modeling
par: Oshima, Yuta, et autres
Publié: (2025)
par: Oshima, Yuta, et autres
Publié: (2025)
MultiBanana: A Challenging Benchmark for Multi-Reference Text-to-Image Generation
par: Oshima, Yuta, et autres
Publié: (2025)
par: Oshima, Yuta, et autres
Publié: (2025)
Human Action Recognition without Human
par: Kataoka, Hirokatsu, et autres
Publié: (2016)
par: Kataoka, Hirokatsu, et autres
Publié: (2016)
Unlocking Noise-Resistant Vision: Key Architectural Secrets for Robust Models
par: Kim, Bum Jun, et autres
Publié: (2025)
par: Kim, Bum Jun, et autres
Publié: (2025)
Simple Visual Artifact Detection in Sora-Generated Videos
par: Sugiyama, Misora, et autres
Publié: (2025)
par: Sugiyama, Misora, et autres
Publié: (2025)
Realtime Data-Efficient Portrait Stylization Based On Geometric Alignment
par: Wang, Xinrui, et autres
Publié: (2022)
par: Wang, Xinrui, et autres
Publié: (2022)
Thinking While Listening: Fast-Slow Recurrence for Long-Horizon Sequential Modeling
par: Takashiro, Shota, et autres
Publié: (2026)
par: Takashiro, Shota, et autres
Publié: (2026)
Answer When Needed, Forget When Not: Language Models Pretend to Forget via In-Context Knowledge Unlearning
par: Takashiro, Shota, et autres
Publié: (2024)
par: Takashiro, Shota, et autres
Publié: (2024)
MoireDB: Formula-generated Interference-fringe Image Dataset
par: Matsuo, Yuto, et autres
Publié: (2025)
par: Matsuo, Yuto, et autres
Publié: (2025)
Inference-Time Text-to-Video Alignment with Diffusion Latent Beam Search
par: Oshima, Yuta, et autres
Publié: (2025)
par: Oshima, Yuta, et autres
Publié: (2025)
RL Squeezes, SFT Expands: A Comparative Study of Reasoning LLMs
par: Matsutani, Kohsei, et autres
Publié: (2025)
par: Matsutani, Kohsei, et autres
Publié: (2025)
ColorizeDiffusion v2: Enhancing Reference-based Sketch Colorization Through Separating Utilities
par: Yan, Dingkun, et autres
Publié: (2025)
par: Yan, Dingkun, et autres
Publié: (2025)
Watermark-embedded Adversarial Examples for Copyright Protection against Diffusion Models
par: Zhu, Peifei, et autres
Publié: (2024)
par: Zhu, Peifei, et autres
Publié: (2024)
Leave No Observation Behind: Real-time Correction for VLA Action Chunks
par: Sendai, Kohei, et autres
Publié: (2025)
par: Sendai, Kohei, et autres
Publié: (2025)
Industrial Synthetic Segment Pre-training
par: Mae, Shinichi, et autres
Publié: (2025)
par: Mae, Shinichi, et autres
Publié: (2025)
S3OD: Towards Generalizable Salient Object Detection with Synthetic Data
par: Kupyn, Orest, et autres
Publié: (2025)
par: Kupyn, Orest, et autres
Publié: (2025)
EC-Bench: Enumeration and Counting Benchmark for Ultra-Long Videos
par: Tsuchiya, Fumihiko, et autres
Publié: (2026)
par: Tsuchiya, Fumihiko, et autres
Publié: (2026)
Approximate Domain Unlearning for Vision-Language Models
par: Kawamura, Kodai, et autres
Publié: (2025)
par: Kawamura, Kodai, et autres
Publié: (2025)
Image Referenced Sketch Colorization Based on Animation Creation Workflow
par: Yan, Dingkun, et autres
Publié: (2025)
par: Yan, Dingkun, et autres
Publié: (2025)
Which Programming Language and What Features at Pre-training Stage Affect Downstream Logical Inference Performance?
par: Uchiyama, Fumiya, et autres
Publié: (2024)
par: Uchiyama, Fumiya, et autres
Publié: (2024)
Beyond Induction Heads: In-Context Meta Learning Induces Multi-Phase Circuit Emergence
par: Minegishi, Gouki, et autres
Publié: (2025)
par: Minegishi, Gouki, et autres
Publié: (2025)
Can masking background and object reduce static bias for zero-shot action recognition?
par: Fukuzawa, Takumi, et autres
Publié: (2025)
par: Fukuzawa, Takumi, et autres
Publié: (2025)
Pre-training with 3D Synthetic Data: Learning 3D Point Cloud Instance Segmentation from 3D Synthetic Scenes
par: Otsuka, Daichi, et autres
Publié: (2025)
par: Otsuka, Daichi, et autres
Publié: (2025)
Leveraging LLMs with Iterative Loop Structure for Enhanced Social Intelligence in Video Question Answering
par: Mori, Erika, et autres
Publié: (2025)
par: Mori, Erika, et autres
Publié: (2025)
Formula-Supervised Visual-Geometric Pre-training
par: Yamada, Ryosuke, et autres
Publié: (2024)
par: Yamada, Ryosuke, et autres
Publié: (2024)
AgroBench: Vision-Language Model Benchmark in Agriculture
par: Shinoda, Risa, et autres
Publié: (2025)
par: Shinoda, Risa, et autres
Publié: (2025)
Towards High-resolution and Disentangled Reference-based Sketch Colorization
par: Yan, Dingkun, et autres
Publié: (2026)
par: Yan, Dingkun, et autres
Publié: (2026)
The Effects of Short Video-Sharing Services on Video Copy Detection
par: Yanagi, Rintaro, et autres
Publié: (2024)
par: Yanagi, Rintaro, et autres
Publié: (2024)
Residual Koopman Spectral Profiling for Predicting and Preventing Transformer Training Instability
par: Kim, Bum Jun, et autres
Publié: (2026)
par: Kim, Bum Jun, et autres
Publié: (2026)
E3VS-Bench: A Benchmark for Viewpoint-Dependent Active Perception in 3D Gaussian Splatting Scenes
par: Sakamoto, Koya, et autres
Publié: (2026)
par: Sakamoto, Koya, et autres
Publié: (2026)
Learning Self-Prior for Mesh Inpainting Using Self-Supervised Graph Convolutional Networks
par: Hattori, Shota, et autres
Publié: (2023)
par: Hattori, Shota, et autres
Publié: (2023)
Primitive Geometry Segment Pre-training for 3D Medical Image Segmentation
par: Tadokoro, Ryu, et autres
Publié: (2024)
par: Tadokoro, Ryu, et autres
Publié: (2024)
Exploring Limits of Diffusion-Synthetic Training with Weakly Supervised Semantic Segmentation
par: Yoshihashi, Ryota, et autres
Publié: (2023)
par: Yoshihashi, Ryota, et autres
Publié: (2023)
HanDyVQA: A Video QA Benchmark for Fine-Grained Hand-Object Interaction Dynamics
par: Tateno, Masatoshi, et autres
Publié: (2025)
par: Tateno, Masatoshi, et autres
Publié: (2025)
AnimalClue: Recognizing Animals by their Traces
par: Shinoda, Risa, et autres
Publié: (2025)
par: Shinoda, Risa, et autres
Publié: (2025)
Zero-shot Composed Image Retrieval Considering Query-target Relationship Leveraging Masked Image-text Pairs
par: Zhang, Huaying, et autres
Publié: (2024)
par: Zhang, Huaying, et autres
Publié: (2024)
Documents similaires
-
PowerCLIP: Powerset Alignment for Contrastive Pre-Training
par: Kawamura, Masaki, et autres
Publié: (2025) -
$\infty$-MoE: Generalizing Mixture of Experts to Infinite Experts
par: Takashiro, Shota, et autres
Publié: (2026) -
SSM Meets Video Diffusion Models: Efficient Long-Term Video Generation with Structured State Spaces
par: Oshima, Yuta, et autres
Publié: (2024) -
MoireMix: A Formula-Based Data Augmentation for Improving Image Classification Robustness
par: Matsuo, Yuto, et autres
Publié: (2026) -
WorldPack: Compressed Memory Improves Spatial Consistency in Video World Modeling
par: Oshima, Yuta, et autres
Publié: (2025)