Buchumschlag

UniFGVC: Universal Training-Free Few-Shot Fine-Grained Vision Classification via Attribute-Aware Multimodal Retrieval

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Guo, Hongyu, Hao, Xiangzhao, Guo, Jiarui, Guo, Haiyun, Wang, Jinqiao, Chua, Tat-Seng
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

ReCALL: Recalibrating Capability Degradation for MLLM-based Composed Image Retrieval
von: Yang, Tianyu, et al.
Veröffentlicht: (2026)

WISER: Wider Search, Deeper Thinking, and Adaptive Fusion for Training-Free Zero-Shot Composed Image Retrieval
von: Wang, Tianyue, et al.
Veröffentlicht: (2026)

TRACE: Task-Adaptive Reasoning and Representation Learning for Universal Multimodal Retrieval
von: Hao, Xiangzhao, et al.
Veröffentlicht: (2026)

Referring Expression Instance Retrieval and A Strong End-to-End Baseline
von: Hao, Xiangzhao, et al.
Veröffentlicht: (2025)

Active Zero: Self-Evolving Vision-Language Models through Active Environment Exploration
von: He, Jinghan, et al.
Veröffentlicht: (2026)

PLUME: Latent Reasoning Based Universal Multimodal Embedding
von: He, Chenwei, et al.
Veröffentlicht: (2026)

Cracking the Code of Hallucination in LVLMs with Vision-aware Head Divergence
von: He, Jinghan, et al.
Veröffentlicht: (2024)

FOCUS: Fine-grained Optimization with Semantic Guided Understanding for Pedestrian Attributes Recognition
von: An, Hongyan, et al.
Veröffentlicht: (2025)

ST-Prune: Training-Free Spatio-Temporal Token Pruning for Vision-Language Models in Autonomous Driving
von: Sha, Lin, et al.
Veröffentlicht: (2026)

MLLM-CTBench: A Benchmark for Continual Instruction Tuning with Reasoning Process Diagnosis
von: Guo, Haiyun, et al.
Veröffentlicht: (2025)

Unifying Group-Relative and Self-Distillation Policy Optimization via Sample Routing
von: Li, Gengsheng, et al.
Veröffentlicht: (2026)

Fine-Grained Zero-Shot Learning with Attribute-Centric Representations
von: Chen, Zhi, et al.
Veröffentlicht: (2025)

Text and Image Are Mutually Beneficial: Enhancing Training-Free Few-Shot Classification with CLIP
von: Li, Yayuan, et al.
Veröffentlicht: (2024)

Fine-Grained Verifiers: Preference Modeling as Next-token Prediction in Vision-Language Alignment
von: Cui, Chenhang, et al.
Veröffentlicht: (2024)

Training-Free Multimodal Large Language Model Orchestration
von: Xie, Tianyu, et al.
Veröffentlicht: (2025)

A Survey on Neural Question Generation: Methods, Applications, and Prospects
von: Guo, Shasha, et al.
Veröffentlicht: (2024)

Universal Scene Graph Generation
von: Wu, Shengqiong, et al.
Veröffentlicht: (2025)

FiLo++: Zero-/Few-Shot Anomaly Detection by Fused Fine-Grained Descriptions and Deformable Localization
von: Gu, Zhaopeng, et al.
Veröffentlicht: (2025)

Generative Cross-Modal Retrieval: Memorizing Images in Multimodal Language Models for Retrieval and Beyond
von: Li, Yongqi, et al.
Veröffentlicht: (2024)

Transfer Learning and Mixup for Fine-Grained Few-Shot Fungi Classification
von: Tam, Jason Kahei, et al.
Veröffentlicht: (2025)

UniDetect: LLM-Driven Universal Fraud Detection across Heterogeneous Blockchains
von: Miao, Shuyi, et al.
Veröffentlicht: (2026)

Compose Your Aesthetics: Empowering Text-to-Image Models with the Principles of Art
von: Jin, Zhe, et al.
Veröffentlicht: (2025)

Simple but Effective Raw-Data Level Multimodal Fusion for Composed Image Retrieval
von: Wen, Haokun, et al.
Veröffentlicht: (2024)

MMDocBench: Benchmarking Large Vision-Language Models for Fine-Grained Visual Document Understanding
von: Zhu, Fengbin, et al.
Veröffentlicht: (2024)

Pre-Training and Prompting for Few-Shot Node Classification on Text-Attributed Graphs
von: Zhao, Huanjing, et al.
Veröffentlicht: (2024)

Zero-1-to-A: Zero-Shot One Image to Animatable Head Avatars Using Video Diffusion
von: Zhou, Zhenglin, et al.
Veröffentlicht: (2025)

Exploring Training and Inference Scaling Laws in Generative Retrieval
von: Cai, Hongru, et al.
Veröffentlicht: (2025)

Complementary Subspace Low-Rank Adaptation of Vision-Language Models for Few-Shot Classification
von: Wang, Zhongqi, et al.
Veröffentlicht: (2025)

A Visual RAG Pipeline for Few-Shot Fine-Grained Product Classification
von: Lamm, Bianca, et al.
Veröffentlicht: (2025)

UniVAD: A Training-free Unified Model for Few-shot Visual Anomaly Detection
von: Gu, Zhaopeng, et al.
Veröffentlicht: (2024)

Towards Fine-Grained Vision-Language Alignment for Few-Shot Anomaly Detection
von: Fan, Yuanting, et al.
Veröffentlicht: (2025)

Principled Multimodal Representation Learning
von: Liu, Xiaohao, et al.
Veröffentlicht: (2025)

Continual Multimodal Contrastive Learning
von: Liu, Xiaohao, et al.
Veröffentlicht: (2025)

Turing Patterns for Multimedia: Reaction-Diffusion Multi-Modal Fusion for Language-Guided Video Moment Retrieval
von: Fang, Xiang, et al.
Veröffentlicht: (2026)

Task Attribute Distance for Few-Shot Learning: Theoretical Analysis and Applications
von: Hu, Minyang, et al.
Veröffentlicht: (2024)

XNLP: An Interactive Demonstration System for Universal Structured NLP
von: Fei, Hao, et al.
Veröffentlicht: (2023)

SWIFT: Sliding Window Reconstruction for Few-Shot Training-Free Generated Video Attribution
von: Wang, Chao, et al.
Veröffentlicht: (2026)

TIGeR: Unifying Text-to-Image Generation and Retrieval with Large Multimodal Models
von: Qu, Leigang, et al.
Veröffentlicht: (2024)

CLEAR: Unlocking Generative Potential for Degraded Image Understanding in Unified Multimodal Models
von: Hao, Xiangzhao, et al.
Veröffentlicht: (2026)

3D-TAFS: A Training-free Framework for 3D Affordance Segmentation
von: Chu, Meng, et al.
Veröffentlicht: (2024)