TriCLIP-3D: A Unified Parameter-Efficient Framework for Tri-Modal 3D Visual Grounding based on CLIP
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Li, Fan, Wang, Zanyi, Huang, Zeyi, Dai, Guang, Wang, Jingdong, Wang, Mengmeng |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Unlocking the Potential of Grounding DINO in Videos: Parameter-Efficient Adaptation for Limited-Data Spatial-Temporal Localization
par: Wang, Zanyi, et autres
Publié: (2026)
par: Wang, Zanyi, et autres
Publié: (2026)
TryOn-Adapter: Efficient Fine-Grained Clothing Identity Adaptation for High-Fidelity Virtual Try-On
par: Xing, Jiazheng, et autres
Publié: (2024)
par: Xing, Jiazheng, et autres
Publié: (2024)
MA-FSAR: Multimodal Adaptation of CLIP for Few-Shot Action Recognition
par: Xing, Jiazheng, et autres
Publié: (2023)
par: Xing, Jiazheng, et autres
Publié: (2023)
M2-CLIP: A Multimodal, Multi-task Adapting Framework for Video Action Recognition
par: Wang, Mengmeng, et autres
Publié: (2024)
par: Wang, Mengmeng, et autres
Publié: (2024)
3D-Agent:Tri-Modal Multi-Agent Collaboration for Scalable 3D Object Annotation
par: Zhang, Jusheng, et autres
Publié: (2026)
par: Zhang, Jusheng, et autres
Publié: (2026)
TriC-Motion: Tri-Domain Causal Modeling Grounded Text-to-Motion Generation
par: Cao, Yiyang, et autres
Publié: (2026)
par: Cao, Yiyang, et autres
Publié: (2026)
CLIP-VG: Self-paced Curriculum Adapting of CLIP for Visual Grounding
par: Xiao, Linhui, et autres
Publié: (2023)
par: Xiao, Linhui, et autres
Publié: (2023)
TAMM: TriAdapter Multi-Modal Learning for 3D Shape Understanding
par: Zhang, Zhihao, et autres
Publié: (2024)
par: Zhang, Zhihao, et autres
Publié: (2024)
EVA-CLIP-18B: Scaling CLIP to 18 Billion Parameters
par: Sun, Quan, et autres
Publié: (2024)
par: Sun, Quan, et autres
Publié: (2024)
DiffCLIP: Leveraging Stable Diffusion for Language Grounded 3D Classification
par: Shen, Sitian, et autres
Publié: (2023)
par: Shen, Sitian, et autres
Publié: (2023)
Try-On-Adapter: A Simple and Flexible Try-On Paradigm
par: Guo, Hanzhong, et autres
Publié: (2024)
par: Guo, Hanzhong, et autres
Publié: (2024)
Exploring Time Conditioning in Diffusion Generative Models from Disjoint Noisy Data Manifolds
par: Li, Liuzhuozheng, et autres
Publié: (2026)
par: Li, Liuzhuozheng, et autres
Publié: (2026)
MV-CLIP: Multi-View CLIP for Zero-shot 3D Shape Recognition
par: Song, Dan, et autres
Publié: (2023)
par: Song, Dan, et autres
Publié: (2023)
TC-GS: Tri-plane based compression for 3D Gaussian Splatting
par: Wang, Taorui, et autres
Publié: (2025)
par: Wang, Taorui, et autres
Publié: (2025)
Deforming Videos to Masks: Flow Matching for Referring Video Segmentation
par: Wang, Zanyi, et autres
Publié: (2025)
par: Wang, Zanyi, et autres
Publié: (2025)
CLIP-Map: Structured Matrix Mapping for Parameter-Efficient CLIP Compression
par: Zhang, Kangjie, et autres
Publié: (2026)
par: Zhang, Kangjie, et autres
Publié: (2026)
CUS3D :CLIP-based Unsupervised 3D Segmentation via Object-level Denoise
par: Yu, Fuyang, et autres
Publié: (2024)
par: Yu, Fuyang, et autres
Publié: (2024)
MuTri: Multi-view Tri-alignment for OCT to OCTA 3D Image Translation
par: Chen, Zhuangzhuang, et autres
Publié: (2025)
par: Chen, Zhuangzhuang, et autres
Publié: (2025)
3DV-TON: Textured 3D-Guided Consistent Video Try-on via Diffusion Models
par: Wei, Min, et autres
Publié: (2025)
par: Wei, Min, et autres
Publié: (2025)
MoCLIP-Lite: Efficient Video Recognition by Fusing CLIP with Motion Vectors
par: Huang, Binhua, et autres
Publié: (2025)
par: Huang, Binhua, et autres
Publié: (2025)
AffordanceSAM: Segment Anything Once More in Affordance Grounding
par: Jiang, Dengyang, et autres
Publié: (2025)
par: Jiang, Dengyang, et autres
Publié: (2025)
WP-CLIP: Leveraging CLIP to Predict Wölfflin's Principles in Visual Art
par: Ghildyal, Abhijay, et autres
Publié: (2025)
par: Ghildyal, Abhijay, et autres
Publié: (2025)
Enhanced Cross-modal 3D Retrieval via Tri-modal Reconstruction
par: Ren, Junlong, et autres
Publié: (2025)
par: Ren, Junlong, et autres
Publié: (2025)
Visual Object Tracking across Diverse Data Modalities: A Review
par: Wang, Mengmeng, et autres
Publié: (2024)
par: Wang, Mengmeng, et autres
Publié: (2024)
SuperCLIP: CLIP with Simple Classification Supervision
par: Zhao, Weiheng, et autres
Publié: (2025)
par: Zhao, Weiheng, et autres
Publié: (2025)
Reevaluating the Intra-Modal Misalignment Hypothesis in CLIP
par: Herzog, Jonas, et autres
Publié: (2026)
par: Herzog, Jonas, et autres
Publié: (2026)
CLIP-SLA: Parameter-Efficient CLIP Adaptation for Continuous Sign Language Recognition
par: Alyami, Sarah, et autres
Publié: (2025)
par: Alyami, Sarah, et autres
Publié: (2025)
RefTon: Reference person shot assist virtual Try-on
par: Li, Liuzhuozheng, et autres
Publié: (2025)
par: Li, Liuzhuozheng, et autres
Publié: (2025)
CLIP-GS: Unifying Vision-Language Representation with 3D Gaussian Splatting
par: Jiao, Siyu, et autres
Publié: (2024)
par: Jiao, Siyu, et autres
Publié: (2024)
AdaptCLIP: Adapting CLIP for Universal Visual Anomaly Detection
par: Gao, Bin-Bin, et autres
Publié: (2025)
par: Gao, Bin-Bin, et autres
Publié: (2025)
CLIP3D-AD: Extending CLIP for 3D Few-Shot Anomaly Detection with Multi-View Images Generation
par: Zuo, Zuo, et autres
Publié: (2024)
par: Zuo, Zuo, et autres
Publié: (2024)
Duoduo CLIP: Efficient 3D Understanding with Multi-View Images
par: Lee, Han-Hung, et autres
Publié: (2024)
par: Lee, Han-Hung, et autres
Publié: (2024)
CLIPErase: Efficient Unlearning of Visual-Textual Associations in CLIP
par: Yang, Tianyu, et autres
Publié: (2024)
par: Yang, Tianyu, et autres
Publié: (2024)
Isotropic3D: Image-to-3D Generation Based on a Single CLIP Embedding
par: Liu, Pengkun, et autres
Publié: (2024)
par: Liu, Pengkun, et autres
Publié: (2024)
CLIP-CID: Efficient CLIP Distillation via Cluster-Instance Discrimination
par: Yang, Kaicheng, et autres
Publié: (2024)
par: Yang, Kaicheng, et autres
Publié: (2024)
CLIP-GS: CLIP-Informed Gaussian Splatting for View-Consistent 3D Indoor Semantic Understanding
par: Liao, Guibiao, et autres
Publié: (2024)
par: Liao, Guibiao, et autres
Publié: (2024)
TriSplat: Simulation-Ready Feed-Forward 3D Scene Reconstruction
par: Wang, Weijie, et autres
Publié: (2026)
par: Wang, Weijie, et autres
Publié: (2026)
2D or 3D: Who Governs Salience in VLA Models? -- Tri-Stage Token Pruning Framework with Modality Salience Awareness
par: Zheng, Zihao, et autres
Publié: (2026)
par: Zheng, Zihao, et autres
Publié: (2026)
IPVTON: Image-based 3D Virtual Try-on with Image Prompt Adapter
par: Zhong, Xiaojing, et autres
Publié: (2025)
par: Zhong, Xiaojing, et autres
Publié: (2025)
TriFusion-SR: Joint Tri-Modal Medical Image Fusion and SR
par: Dharejo, Fayaz Ali, et autres
Publié: (2026)
par: Dharejo, Fayaz Ali, et autres
Publié: (2026)
Documents similaires
-
Unlocking the Potential of Grounding DINO in Videos: Parameter-Efficient Adaptation for Limited-Data Spatial-Temporal Localization
par: Wang, Zanyi, et autres
Publié: (2026) -
TryOn-Adapter: Efficient Fine-Grained Clothing Identity Adaptation for High-Fidelity Virtual Try-On
par: Xing, Jiazheng, et autres
Publié: (2024) -
MA-FSAR: Multimodal Adaptation of CLIP for Few-Shot Action Recognition
par: Xing, Jiazheng, et autres
Publié: (2023) -
M2-CLIP: A Multimodal, Multi-task Adapting Framework for Video Action Recognition
par: Wang, Mengmeng, et autres
Publié: (2024) -
3D-Agent:Tri-Modal Multi-Agent Collaboration for Scalable 3D Object Annotation
par: Zhang, Jusheng, et autres
Publié: (2026)