:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yun, Haoyu, Krim, Hamid
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	https://arxiv.org/abs/2508.17081
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

KVNN: Learnable Multi-Kernel Volterra Neural Networks
von: Yun, Haoyu, et al.
Veröffentlicht: (2026)

Deep Extrinsic Manifold Representation for Vision Tasks
von: Zhang, Tongtong, et al.
Veröffentlicht: (2024)

Generalized Single-Image-Based Morphing Attack Detection Using Deep Representations from Vision Transformer
von: Zhang, Haoyu, et al.
Veröffentlicht: (2025)

Global Geometry Is Not Enough for Vision Representations
von: Chung, Jiwan, et al.
Veröffentlicht: (2026)

Dual-Domain Representation Alignment: Bridging 2D and 3D Vision via Geometry-Aware Architecture Search
von: Zhang, Haoyu, et al.
Veröffentlicht: (2026)

Enhancing Feature Diversity Boosts Channel-Adaptive Vision Transformers
von: Pham, Chau, et al.
Veröffentlicht: (2024)

The Geometry of Representational Failures in Vision Language Models
von: Savietto, Daniele, et al.
Veröffentlicht: (2026)

Two-stage Vision Transformers and Hard Masking offer Robust Object Representations
von: Aniraj, Ananthu, et al.
Veröffentlicht: (2025)

Compressing Vision Transformers in Geospatial Transfer Learning with Manifold-Constrained Optimization
von: Snyder, Thomas, et al.
Veröffentlicht: (2026)

Feature Learning with Multi-Stage Vision Transformers on Inter-Modality HER2 Status Scoring and Tumor Classification on Whole Slides
von: Oyelade, Olaide N., et al.
Veröffentlicht: (2025)

Geometry Forcing: Marrying Video Diffusion and 3D Representation for Consistent World Modeling
von: Wu, Haoyu, et al.
Veröffentlicht: (2025)

Representation Separation for Semantic Segmentation with Vision Transformers
von: Hong, Yuanduo, et al.
Veröffentlicht: (2022)

Surface Vision Mamba: Leveraging Bidirectional State Space Model for Efficient Spherical Manifold Representation
von: He, Rongzhao, et al.
Veröffentlicht: (2025)

GA-VLN: Geometry-Aware BEV Representation for Efficient Vision-Language Navigation
von: Yang, Jiahao, et al.
Veröffentlicht: (2026)

EDIT: Enhancing Vision Transformers by Mitigating Attention Sink through an Encoder-Decoder Architecture
von: Feng, Wenfeng, et al.
Veröffentlicht: (2025)

ECViT: Efficient Convolutional Vision Transformer with Local-Attention and Multi-scale Stages
von: Qian, Zhoujie
Veröffentlicht: (2025)

COST: Contrastive One-Stage Transformer for Vision-Language Small Object Tracking
von: Zhang, Chunhui, et al.
Veröffentlicht: (2025)

Diffusion Image Generation with Explicit Modeling of Data Manifold Geometry
von: Xue, Duoduo, et al.
Veröffentlicht: (2026)

CAViT -- Channel-Aware Vision Transformer for Dynamic Feature Fusion
von: Safdar, Aon, et al.
Veröffentlicht: (2026)

Perception Before Reasoning: Two-Stage Reinforcement Learning for Visual Reasoning in Vision-Language Models
von: Chen, Yan, et al.
Veröffentlicht: (2025)

A Two-Stage Globally-Diverse Adversarial Attack for Vision-Language Pre-training Models
von: Chen, Wutao, et al.
Veröffentlicht: (2026)

SpatialFly: Geometry-Guided Representation Alignment for UAV Vision-and-Language Navigation in Urban Environments
von: Jiang, Wen, et al.
Veröffentlicht: (2026)

HSCP: A Two-Stage Spectral Clustering Framework for Resource-Constrained UAV Identification
von: Wang, Maoyu, et al.
Veröffentlicht: (2025)

Nested-TNT: Hierarchical Vision Transformers with Multi-Scale Feature Processing
von: Liu, Yuang, et al.
Veröffentlicht: (2024)

ViSA-Enhanced Aerial VLN: A Visual-Spatial Reasoning Enhanced Framework for Aerial Vision-Language Navigation
von: Tong, Haoyu, et al.
Veröffentlicht: (2026)

Content-Aware Ad Banner Layout Generation with Two-Stage Chain-of-Thought in Vision Language Models
von: Yoshitake, Kei, et al.
Veröffentlicht: (2025)

Redefining Generalization in Visual Domains: A Two-Axis Framework for Fake Image Detection with FusionDetect
von: Amanzadi, Amirtaha, et al.
Veröffentlicht: (2025)

FUSAR-GPT : A Spatiotemporal Feature-Embedded and Two-Stage Decoupled Visual Language Model for SAR Imagery
von: Zhang, Xiaokun, et al.
Veröffentlicht: (2026)

CornViT: A Multi-Stage Convolutional Vision Transformer Framework for Hierarchical Corn Kernel Analysis
von: Erukude, Sai Teja, et al.
Veröffentlicht: (2025)

Cross-aware Early Fusion with Stage-divided Vision and Language Transformer Encoders for Referring Image Segmentation
von: Cho, Yubin, et al.
Veröffentlicht: (2024)

MOT FCG++: Enhanced Representation of Spatio-temporal Motion and Appearance Features
von: Fang, Yanzhao
Veröffentlicht: (2024)

Are Vision Transformer Representations Semantically Meaningful? A Case Study in Medical Imaging
von: Shams, Montasir, et al.
Veröffentlicht: (2025)

Symbolic Rule Extraction from Attention-Guided Sparse Representations in Vision Transformers
von: Padalkar, Parth, et al.
Veröffentlicht: (2025)

IFViT: Interpretable Fixed-Length Representation for Fingerprint Matching via Vision Transformer
von: Qiu, Yuhang, et al.
Veröffentlicht: (2024)

SAC-ViT: Semantic-Aware Clustering Vision Transformer with Early Exit
von: Hu, Youbing, et al.
Veröffentlicht: (2025)

Surformer v1: Transformer-Based Surface Classification Using Tactile and Vision Features
von: Kansana, Manish, et al.
Veröffentlicht: (2025)

Think Before You Act: A Two-Stage Framework for Mitigating Gender Bias Towards Vision-Language Tasks
von: Zhang, Yunqi, et al.
Veröffentlicht: (2024)

NuWa: Deriving Lightweight Task-Specific Vision Transformers for Edge Devices
von: Wei, Ziteng, et al.
Veröffentlicht: (2025)

Feature Fusion for Human Activity Recognition using Parameter-Optimized Multi-Stage Graph Convolutional Network and Transformer Models
von: Belal, Mohammad, et al.
Veröffentlicht: (2024)

A Self-Supervised Approach for Enhanced Feature Representations in Object Detection Tasks
von: Vilabella, Santiago C., et al.
Veröffentlicht: (2026)