Buchumschlag

ActiveMark: on watermarking of visual foundation models via massive activations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chistyakova, Anna, Pautov, Mikhail
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

RandMark: On Random Watermarking of Visual Foundation Models
von: Chistyakova, Anna, et al.
Veröffentlicht: (2026)

VLA-Mark: A cross modal watermark for large vision-language alignment model
von: Liu, Shuliang, et al.
Veröffentlicht: (2025)

General Lipschitz: Certified Robustness Against Resolvable Semantic Transformations via Transformation-Dependent Randomized Smoothing
von: Korzh, Dmitrii, et al.
Veröffentlicht: (2023)

Contract And Conquer: How to Provably Compute Adversarial Examples for a Black-Box Model?
von: Chistyakova, Anna, et al.
Veröffentlicht: (2026)

Robustness as Architecture: Designing IQA Models to Withstand Adversarial Perturbations
von: Meleshin, Igor, et al.
Veröffentlicht: (2025)

Spread them Apart: Towards Robust Watermarking of Generated Content
von: Pautov, Mikhail, et al.
Veröffentlicht: (2025)

Adversarial purification for no-reference image-quality metrics: applicability study and new methods
von: Gushchin, Aleksandr, et al.
Veröffentlicht: (2024)

ONRW: Optimizing inversion noise for high-quality and robust watermark
von: Ding, Xuan, et al.
Veröffentlicht: (2026)

EyeCLIP: A visual-language foundation model for multi-modal ophthalmic image analysis
von: Shi, Danli, et al.
Veröffentlicht: (2024)

Self-supervised visual learning for analyzing firearms trafficking activities on the Web
von: Konstantakos, Sotirios, et al.
Veröffentlicht: (2023)

An analysis of HOI: using a training-free method with multimodal visual foundation models when only the test set is available, without the training set
von: Ai, Chaoyi
Veröffentlicht: (2024)

Enabling clinical use of foundation models for computational pathology
von: Henriksen, Audun L, et al.
Veröffentlicht: (2026)

Thinker: A vision-language foundation model for embodied intelligence
von: Pan, Baiyu, et al.
Veröffentlicht: (2026)

An interpretable framework using foundation models for fish sex identification
von: Miao, Zheng, et al.
Veröffentlicht: (2026)

A multimodal vision foundation model for generalizable knee pathology
von: Yu, Kang, et al.
Veröffentlicht: (2026)

Prompting with the human-touch: evaluating model-sensitivity of foundation models for musculoskeletal CT segmentation
von: Magg, Caroline, et al.
Veröffentlicht: (2026)

Near, far: Patch-ordering enhances vision foundation models' scene understanding
von: Pariza, Valentinos, et al.
Veröffentlicht: (2024)

Developing a foundation model for high-resolution remote sensing data of the Netherlands
von: Vermeeren, Paul, et al.
Veröffentlicht: (2026)

Full end-to-end diagnostic workflow automation of 3D OCT via foundation model-driven AI for retinal diseases
von: Zhang, Jinze, et al.
Veröffentlicht: (2026)

Driving scenario generation and evaluation using a structured layer representation and foundational models
von: Hubert, Arthur, et al.
Veröffentlicht: (2025)

Toward explainable AI approaches for breast imaging: adapting foundation models to diverse populations
von: Cavalcante, Guilherme J., et al.
Veröffentlicht: (2025)

Benchmarking histopathology foundation models in a multi-center dataset for skin cancer subtyping
von: Meseguer, Pablo, et al.
Veröffentlicht: (2025)

Paving the way toward foundation models for irregular and unaligned Satellite Image Time Series
von: Dumeur, Iris, et al.
Veröffentlicht: (2024)

Can visual language models resolve textual ambiguity with visual cues? Let visual puns tell you!
von: Chung, Jiwan, et al.
Veröffentlicht: (2024)

DA-SSL: self-supervised domain adaptor to leverage foundational models in turbt histopathology slides
von: Zhang, Haoyue, et al.
Veröffentlicht: (2025)

Geospatial foundation models for image analysis: evaluating and enhancing NASA-IBM Prithvi's domain adaptability
von: Hsu, Chia-Yu, et al.
Veröffentlicht: (2024)

PB-IAD: Utilizing multimodal foundation models for semantic industrial anomaly detection in dynamic manufacturing environments
von: Hofmann, Bernd, et al.
Veröffentlicht: (2025)

Training a high-performance retinal foundation model with half-the-data and 400 times less compute
von: Engelmann, Justin, et al.
Veröffentlicht: (2024)

MEDeA: Multi-view Efficient Depth Adjustment
von: Artemyev, Mikhail, et al.
Veröffentlicht: (2024)

MT-Mark: Rethinking Image Watermarking via Mutual-Teacher Collaboration with Adaptive Feature Modulation
von: Ge, Fei, et al.
Veröffentlicht: (2025)

Quantifying the human visual exposome with vision language models
von: Rominger, Christian, et al.
Veröffentlicht: (2026)

Generative deep learning for foundational video translation in ultrasound
von: Tomic, Nikolina, et al.
Veröffentlicht: (2025)

Pixel Seal: Adversarial-only training for invisible image and video watermarking
von: Souček, Tomáš, et al.
Veröffentlicht: (2025)

Revisiting semi-supervised learning in the era of foundation models
von: Zhang, Ping, et al.
Veröffentlicht: (2025)

Leveraging AI multimodal geospatial foundation models for improved near-real-time flood mapping at a global scale
von: Tulbure, Mirela G., et al.
Veröffentlicht: (2025)

Attention-based multiple instance learning for predominant growth pattern prediction in lung adenocarcinoma wsi using foundation models
von: Perez-Herrera, Laura Valeria, et al.
Veröffentlicht: (2026)

Parameter-Efficient Active Learning for Foundational models
von: Narayanan, Athmanarayanan Lakshmi, et al.
Veröffentlicht: (2024)

TasselNetV4: A vision foundation model for cross-scene, cross-scale, and cross-species plant counting
von: Hu, Xiaonan, et al.
Veröffentlicht: (2025)

BitMark: Watermarking Bitwise Autoregressive Image Generative Models
von: Kerner, Louis, et al.
Veröffentlicht: (2025)

Active-O3: Empowering Multimodal Large Language Models with Active Perception via GRPO
von: Zhu, Muzhi, et al.
Veröffentlicht: (2025)