Buchumschlag

Enhancing Pre-trained Representation Classifiability can Boost its Interpretability

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Shen, Shufan, Qi, Zhaobo, Sun, Junshu, Huang, Qingming, Tian, Qi, Wang, Shuhui
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

VL-SAE: Interpreting and Enhancing Vision-Language Alignment with a Unified Concept Set
von: Shen, Shufan, et al.
Veröffentlicht: (2025)

Kernelized Sparse Fine-Tuning with Bi-level Parameter Competition for Vision Models
von: Shen, Shufan, et al.
Veröffentlicht: (2025)

Expanding Sparse Tuning for Low Memory Usage
von: Shen, Shufan, et al.
Veröffentlicht: (2024)

Locate-then-Sparsify: Attribution Guided Sparse Strategy for Visual Hallucination Mitigation
von: Dang, Tiantian, et al.
Veröffentlicht: (2026)

Uncertainty-boosted Robust Video Activity Anticipation
von: Qi, Zhaobo, et al.
Veröffentlicht: (2024)

Bias-Conflict Sample Synthesis and Adversarial Removal Debias Strategy for Temporal Sentence Grounding in Video
von: Qi, Zhaobo, et al.
Veröffentlicht: (2024)

Split Adaptation for Pre-trained Vision Transformers
von: Wang, Lixu, et al.
Veröffentlicht: (2025)

LightFair: Towards an Efficient Alternative for Fair T2I Diffusion via Debiasing Pre-trained Text Encoders
von: Han, Boyu, et al.
Veröffentlicht: (2025)

Pre-trained Visual Dynamics Representations for Efficient Policy Learning
von: Luo, Hao, et al.
Veröffentlicht: (2024)

Explanations of Classifiers Enhance Medical Image Segmentation via End-to-end Pre-training
von: Chen, Jiamin, et al.
Veröffentlicht: (2024)

AdFair-CLIP: Adversarial Fair Contrastive Language-Image Pre-training for Chest X-rays
von: Yi, Chenlang, et al.
Veröffentlicht: (2025)

Semantic Concentration for Self-Supervised Dense Representations Learning
von: Wen, Peisong, et al.
Veröffentlicht: (2025)

ReconBoost: Boosting Can Achieve Modality Reconcilement
von: Hua, Cong, et al.
Veröffentlicht: (2024)

MCPNet: An Interpretable Classifier via Multi-Level Concept Prototypes
von: Wang, Bor-Shiun, et al.
Veröffentlicht: (2024)

Holistic Semantic Representation for Navigational Trajectory Generation
von: Cao, Ji, et al.
Veröffentlicht: (2025)

Enhancing Interpretability of Sparse Latent Representations with Class Information
von: Abiz, Farshad Sangari, et al.
Veröffentlicht: (2025)

DNT: a Deeply Normalized Transformer that can be trained by Momentum SGD
von: Qi, Xianbiao, et al.
Veröffentlicht: (2025)

Scalable Graph Compressed Convolutions
von: Sun, Junshu, et al.
Veröffentlicht: (2024)

STAND: Semantic Anchoring Constraint with Dual-Granularity Disambiguation for Remote Sensing Image Change Captioning
von: Gong, Yanpei, et al.
Veröffentlicht: (2026)

Epistemic Uncertainty Quantification For Pre-trained Neural Network
von: Wang, Hanjing, et al.
Veröffentlicht: (2024)

VisionTS++: Cross-Modal Time Series Foundation Model with Continual Pre-trained Vision Backbones
von: Shen, Lefei, et al.
Veröffentlicht: (2025)

UNIFORM: Unifying Knowledge from Large-scale and Diverse Pre-trained Models
von: Wang, Yimu, et al.
Veröffentlicht: (2025)

Boosting Vision Semantic Density with Anatomy Normality Modeling for Medical Vision-language Pre-training
von: Cao, Weiwei, et al.
Veröffentlicht: (2025)

Benchmarking Few-shot Transferability of Pre-trained Models with Improved Evaluation Protocols
von: Luo, Xu, et al.
Veröffentlicht: (2026)

Code and Pixels: Multi-Modal Contrastive Pre-training for Enhanced Tabular Data Analysis
von: Roy, Kankana, et al.
Veröffentlicht: (2025)

G2D: From Global to Dense Radiography Representation Learning via Vision-Language Pre-training
von: Liu, Che, et al.
Veröffentlicht: (2023)

How Vision-Language Tasks Benefit from Large Pre-trained Models: A Survey
von: Qi, Yayun, et al.
Veröffentlicht: (2024)

Long-Tailed Object Detection Pre-training: Dynamic Rebalancing Contrastive Learning with Dual Reconstruction
von: Duan, Chen-Long, et al.
Veröffentlicht: (2024)

Do Pre-trained Models Benefit Equally in Continual Learning?
von: Lee, Kuan-Ying, et al.
Veröffentlicht: (2022)

One Prompt Word is Enough to Boost Adversarial Robustness for Pre-trained Vision-Language Models
von: Li, Lin, et al.
Veröffentlicht: (2024)

Feature Unlearning for Pre-trained GANs and VAEs
von: Moon, Saemi, et al.
Veröffentlicht: (2023)

Boosting Omnidirectional Stereo Matching with a Pre-trained Depth Foundation Model
von: Endres, Jannik, et al.
Veröffentlicht: (2025)

Early Preparation Pays Off: New Classifier Pre-tuning for Class Incremental Semantic Segmentation
von: Xie, Zhengyuan, et al.
Veröffentlicht: (2024)

Self-Expansion of Pre-trained Models with Mixture of Adapters for Continual Learning
von: Wang, Huiyi, et al.
Veröffentlicht: (2024)

Sparse Representations Improve Adversarial Robustness of Neural Network Classifiers
von: Steunou, Killian, et al.
Veröffentlicht: (2025)

Bilateral Sharpness-Aware Minimization for Flatter Minima
von: Deng, Jiaxin, et al.
Veröffentlicht: (2024)

MIM-Refiner: A Contrastive Learning Boost from Intermediate Pre-Trained Representations
von: Alkin, Benedikt, et al.
Veröffentlicht: (2024)

Multimodal Autoregressive Pre-training of Large Vision Encoders
von: Fini, Enrico, et al.
Veröffentlicht: (2024)

Progressive Local Alignment for Medical Multimodal Pre-training
von: Yan, Huimin, et al.
Veröffentlicht: (2025)

Diff-Instruct: A Universal Approach for Transferring Knowledge From Pre-trained Diffusion Models
von: Luo, Weijian, et al.
Veröffentlicht: (2023)