:: Library Catalog

Copertina

Salvato in:

Dettagli Bibliografici
Autore principale:	Lin, Fengming
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Computer Vision and Pattern Recognition
Accesso online:	https://arxiv.org/abs/2510.09586
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Vision-Language Models for Vision Tasks: A Survey
di: Zhang, Jingyi, et al.
Pubblicazione: (2023)

A Survey on Efficient Vision-Language Models
di: Shinde, Gaurav, et al.
Pubblicazione: (2025)

Towards Vision-Language Geo-Foundation Model: A Survey
di: Zhou, Yue, et al.
Pubblicazione: (2024)

HUGE-Bench: A Benchmark for High-Level UAV Vision-Language-Action Tasks
di: Guo, Jingyu, et al.
Pubblicazione: (2026)

Towards Zero-Shot Annotation of the Built Environment with Vision-Language Models (Vision Paper)
di: Han, Bin, et al.
Pubblicazione: (2024)

Multimodal Fusion and Vision-Language Models: A Survey for Robot Vision
di: Han, Xiaofeng, et al.
Pubblicazione: (2025)

Remote Sensing SpatioTemporal Vision-Language Models: A Comprehensive Survey
di: Liu, Chenyang, et al.
Pubblicazione: (2024)

Survey on Vision-Language-Action Models
di: Adilkhanov, Adilzhan, et al.
Pubblicazione: (2025)

A Survey of Medical Vision-and-Language Applications and Their Techniques
di: Chen, Qi, et al.
Pubblicazione: (2024)

Prompt-based Adaptation in Large-scale Vision Models: A Survey
di: Xiao, Xi, et al.
Pubblicazione: (2025)

Training Long-Context Vision-Language Models Effectively with Generalization Beyond 128K Context
di: Wang, Zhaowei, et al.
Pubblicazione: (2026)

A Survey of Attacks on Large Vision-Language Models: Resources, Advances, and Future Trends
di: Liu, Daizong, et al.
Pubblicazione: (2024)

A Survey of Low-shot Vision-Language Model Adaptation via Representer Theorem
di: Ding, Kun, et al.
Pubblicazione: (2024)

SEP-YOLO: Fourier-Domain Feature Representation for Transparent Object Instance Segmentation
di: Zhang, Fengming, et al.
Pubblicazione: (2026)

MambaDFuse: A Mamba-based Dual-phase Model for Multi-modality Image Fusion
di: Li, Zhe, et al.
Pubblicazione: (2024)

A Survey on Hallucination in Large Vision-Language Models
di: Liu, Hanchao, et al.
Pubblicazione: (2024)

From Pixels to Polygons: A Survey of Deep Learning Approaches for Medical Image-to-Mesh Reconstruction
di: Lin, Fengming, et al.
Pubblicazione: (2025)

Explainability for Vision Foundation Models: A Survey
di: Kazmierczak, Rémi, et al.
Pubblicazione: (2025)

Vision-and-Language Navigation Today and Tomorrow: A Survey in the Era of Foundation Models
di: Zhang, Yue, et al.
Pubblicazione: (2024)

Autoregressive Models in Vision: A Survey
di: Xiong, Jing, et al.
Pubblicazione: (2024)

Vision Language Models in Autonomous Driving: A Survey and Outlook
di: Zhou, Xingcheng, et al.
Pubblicazione: (2023)

VLP: A Survey on Vision-Language Pre-training
di: Chen, Feilong, et al.
Pubblicazione: (2022)

A Survey of Representation Learning, Optimization Strategies, and Applications for Omnidirectional Vision
di: Ai, Hao, et al.
Pubblicazione: (2025)

Diffusion Models in 3D Vision: A Survey
di: Wang, Zhen, et al.
Pubblicazione: (2024)

SPATIALALIGN: Aligning Dynamic Spatial Relationships in Video Generation
di: Liu, Fengming, et al.
Pubblicazione: (2026)

Large Vision-Language Model Alignment and Misalignment: A Survey Through the Lens of Explainability
di: Shu, Dong, et al.
Pubblicazione: (2025)

Vision-Language Models for Edge Networks: A Comprehensive Survey
di: Sharshar, Ahmed, et al.
Pubblicazione: (2025)

One missing piece in Vision and Language: A Survey on Comics Understanding
di: Vivoli, Emanuele, et al.
Pubblicazione: (2024)

Large VLM-based Vision-Language-Action Models for Robotic Manipulation: A Survey
di: Shao, Rui, et al.
Pubblicazione: (2025)

Same or Not? Enhancing Visual Perception in Vision-Language Models
di: Marsili, Damiano, et al.
Pubblicazione: (2025)

A Survey on Vision-Language-Action Models for Autonomous Driving
di: Jiang, Sicong, et al.
Pubblicazione: (2025)

Reg-TTR, Test-Time Refinement for Fast, Robust and Accurate Image Registration
di: Chen, Lin, et al.
Pubblicazione: (2026)

SAR image matching algorithm based on multi-class features
di: Qiang, Mazhi, et al.
Pubblicazione: (2021)

FSDETR: Frequency-Spatial Feature Enhancement for Small Object Detection
di: Huang, Jianchao, et al.
Pubblicazione: (2026)

A Survey on Video Temporal Grounding with Multimodal Large Language Model
di: Wu, Jianlong, et al.
Pubblicazione: (2025)

A Survey of Safety on Large Vision-Language Models: Attacks, Defenses and Evaluations
di: Ye, Mang, et al.
Pubblicazione: (2025)

Vision Generalist Model: A Survey
di: Wang, Ziyi, et al.
Pubblicazione: (2025)

A Survey on Vision Autoregressive Model
di: Jiang, Kai, et al.
Pubblicazione: (2024)

UHKD: A Unified Framework for Heterogeneous Knowledge Distillation via Frequency-Domain Representations
di: Yu, Fengming, et al.
Pubblicazione: (2025)

Revisiting Multimodal Positional Encoding in Vision-Language Models
di: Huang, Jie, et al.
Pubblicazione: (2025)