Buchumschlag

LadderMoE: Ladder-Side Mixture of Experts Adapters for Bronze Inscription Recognition

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhou, Rixin, Qiu, Peiqiang, Zhang, Qian, Li, Chuntao, Yang, Xi
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

ShiftedBronzes: Benchmarking and Analysis of Domain Fine-Grained Classification in Open-World Settings
von: Zhou, Rixin, et al.
Veröffentlicht: (2024)

AI Mobile Application for Archaeological Dating of Bronze Dings
von: Li, Chuntao, et al.
Veröffentlicht: (2023)

TBAC-UniImage: Unified Understanding and Generation by Ladder-Side Diffusion Tuning
von: Xu, Junzhe, et al.
Veröffentlicht: (2025)

Clustering-based Feature Representation Learning for Oracle Bone Inscriptions Detection
von: Tao, Ye, et al.
Veröffentlicht: (2025)

PairingNet: A Learning-based Pair-searching and -matching Network for Image Fragments
von: Zhou, Rixin, et al.
Veröffentlicht: (2023)

LSP-ST: Ladder Shape-Biased Side-Tuning for Robust Infrared Small Target Detection
von: Zhang, Guoyi, et al.
Veröffentlicht: (2025)

Sparse-Dense Mixture of Experts Adapter for Multi-Modal Tracking
von: Zhu, Yabin, et al.
Veröffentlicht: (2026)

MoSA: Mixture of Sparse Adapters for Visual Efficient Tuning
von: Zhang, Qizhe, et al.
Veröffentlicht: (2023)

LadderMIL: Multiple Instance Learning with Coarse-to-Fine Self-Distillation
von: Wu, Shuyang, et al.
Veröffentlicht: (2025)

Snakes and Ladders: Two Steps Up for VideoMamba
von: Lu, Hui, et al.
Veröffentlicht: (2024)

PhyG-MoE: A Physics-Guided Mixture-of-Experts Framework for Energy-Efficient GNSS Interference Recognition
von: Zeng, Zhihan, et al.
Veröffentlicht: (2026)

MoE-LLaVA: Mixture of Experts for Large Vision-Language Models
von: Lin, Bin, et al.
Veröffentlicht: (2024)

DIMoE-Adapters: Dynamic Expert Evolution for Continual Learning in Vision-Language Models
von: Qin, Mengxin, et al.
Veröffentlicht: (2026)

Ascending the Infinite Ladder: Benchmarking Spatial Deformation Reasoning in Vision-Language Models
von: Zhang, Jiahuan, et al.
Veröffentlicht: (2025)

Boosting Continual Learning of Vision-Language Models via Mixture-of-Experts Adapters
von: Yu, Jiazuo, et al.
Veröffentlicht: (2024)

TrueMoE: Dual-Routing Mixture of Discriminative Experts for Synthetic Image Detection
von: Zhang, Laixin, et al.
Veröffentlicht: (2025)

MoE-GS: Mixture of Experts for Dynamic Gaussian Splatting
von: Jin, In-Hwan, et al.
Veröffentlicht: (2025)

Leveraging Compression to Construct Transferable Bitrate Ladders
von: Durbha, Krishna Srikar, et al.
Veröffentlicht: (2025)

SARES-DEIM: Sparse Mixture-of-Experts Meets DETR for Robust SAR Ship Detection
von: Song, Fenghao, et al.
Veröffentlicht: (2026)

SpatialLadder: Progressive Training for Spatial Reasoning in Vision-Language Models
von: Li, Hongxing, et al.
Veröffentlicht: (2025)

Semi-MoE: Mixture-of-Experts meets Semi-Supervised Histopathology Segmentation
von: Vu, Nguyen Lan Vi, et al.
Veröffentlicht: (2025)

ViMoE: An Empirical Study of Designing Vision Mixture-of-Experts
von: Han, Xumeng, et al.
Veröffentlicht: (2024)

SkyMoE: A Vision-Language Foundation Model for Enhancing Geospatial Interpretation with Mixture of Experts
von: Liu, Jiaqi, et al.
Veröffentlicht: (2025)

Connecting Domains and Contrasting Samples: A Ladder for Domain Generalization
von: Wei, Tianxin, et al.
Veröffentlicht: (2025)

R^2MoE: Redundancy-Removal Mixture of Experts for Lifelong Concept Learning
von: Guo, Xiaohan, et al.
Veröffentlicht: (2025)

B-MoE: A Body-Part-Aware Mixture-of-Experts "All Parts Matter" Approach to Micro-Action Recognition
von: Poddar, Nishit, et al.
Veröffentlicht: (2026)

MedMoE: Modality-Specialized Mixture of Experts for Medical Vision-Language Understanding
von: Chopra, Shivang, et al.
Veröffentlicht: (2025)

MoVA: Adapting Mixture of Vision Experts to Multimodal Context
von: Zong, Zhuofan, et al.
Veröffentlicht: (2024)

Uni3D-MoE: Scalable Multimodal 3D Scene Understanding via Mixture of Experts
von: Zhang, Yue, et al.
Veröffentlicht: (2025)

MoE-FFD: Mixture of Experts for Generalized and Parameter-Efficient Face Forgery Detection
von: Kong, Chenqi, et al.
Veröffentlicht: (2024)

GazeMoE: Perception of Gaze Target with Mixture-of-Experts
von: Dai, Zhuangzhuang, et al.
Veröffentlicht: (2026)

Exploring Training on Heterogeneous Data with Mixture of Low-rank Adapters
von: Zhou, Yuhang, et al.
Veröffentlicht: (2024)

Fair-MoE: Fairness-Oriented Mixture of Experts in Vision-Language Models
von: Wang, Peiran, et al.
Veröffentlicht: (2025)

GM-MoE: Low-Light Enhancement with Gated-Mechanism Mixture-of-Experts
von: Liao, Minwen, et al.
Veröffentlicht: (2025)

MoCaE: Mixture of Calibrated Experts Significantly Improves Object Detection
von: Oksuz, Kemal, et al.
Veröffentlicht: (2023)

MoEE: Mixture of Emotion Experts for Audio-Driven Portrait Animation
von: Liu, Huaize, et al.
Veröffentlicht: (2025)

Med-MoE: Mixture of Domain-Specific Experts for Lightweight Medical Vision-Language Models
von: Jiang, Songtao, et al.
Veröffentlicht: (2024)

MambaMoE: Mixture-of-Spectral-Spatial-Experts State Space Model for Hyperspectral Image Classification
von: Xu, Yichu, et al.
Veröffentlicht: (2025)

DeMo: Decoupled Feature-Based Mixture of Experts for Multi-Modal Object Re-Identification
von: Wang, Yuhao, et al.
Veröffentlicht: (2024)

MoE3D: Mixture of Experts meets Multi-Modal 3D Understanding
von: Li, Yu, et al.
Veröffentlicht: (2025)