The Underappreciated Power of Vision Models for Graph Structural Understanding
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Zhao, Xinjian, Pang, Wei, Xue, Zhongkai, Jian, Xiangru, Zhang, Lei, Xu, Yaoyao, Song, Xiaozhuang, Wu, Shu, Yu, Tianshu |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Enhancing Graph Self-Supervised Learning with Graph Interplay
par: Zhao, Xinjian, et autres
Publié: (2024)
par: Zhao, Xinjian, et autres
Publié: (2024)
Boosting Protein Language Models with Negative Sample Mining
par: Xu, Yaoyao, et autres
Publié: (2024)
par: Xu, Yaoyao, et autres
Publié: (2024)
Rethinking Spectral Augmentation for Contrast-based Graph Self-Supervised Learning
par: Jian, Xiangru, et autres
Publié: (2024)
par: Jian, Xiangru, et autres
Publié: (2024)
FORGE: Fine-grained Multimodal Evaluation for Manufacturing Scenarios
par: Jian, Xiangru, et autres
Publié: (2026)
par: Jian, Xiangru, et autres
Publié: (2026)
Lost in UNet: Improving Infrared Small Target Detection by Underappreciated Local Features
par: Quan, Wuzhou, et autres
Publié: (2024)
par: Quan, Wuzhou, et autres
Publié: (2024)
PPT: Token Pruning and Pooling for Efficient Vision Transformers
par: Wu, Xinjian, et autres
Publié: (2023)
par: Wu, Xinjian, et autres
Publié: (2023)
DREAM: Improving Video-Text Retrieval Through Relevance-Based Augmentation Using Large Foundation Models
par: Wang, Yimu, et autres
Publié: (2024)
par: Wang, Yimu, et autres
Publié: (2024)
Script: Graph-Structured and Query-Conditioned Semantic Token Pruning for Multimodal Large Language Models
par: Yang, Zhongyu, et autres
Publié: (2025)
par: Yang, Zhongyu, et autres
Publié: (2025)
Robust face recognition based on the wing loss and the $\ell_1$ regularization
par: Yun, Yaoyao, et autres
Publié: (2025)
par: Yun, Yaoyao, et autres
Publié: (2025)
Explanatory Instructions: Towards Unified Vision Tasks Understanding and Zero-shot Generalization
par: Shen, Yang, et autres
Publié: (2024)
par: Shen, Yang, et autres
Publié: (2024)
AOT*: Efficient Synthesis Planning via LLM-Empowered AND-OR Tree Search
par: Song, Xiaozhuang, et autres
Publié: (2025)
par: Song, Xiaozhuang, et autres
Publié: (2025)
MCA-Bench: A Multimodal Benchmark for Evaluating CAPTCHA Robustness Against VLM-based Attacks
par: Wu, Zonglin, et autres
Publié: (2025)
par: Wu, Zonglin, et autres
Publié: (2025)
Structural Graph Probing of Vision-Language Models
par: He, Haoyu, et autres
Publié: (2026)
par: He, Haoyu, et autres
Publié: (2026)
PVG: Progressive Vision Graph for Vision Recognition
par: Wu, Jiafu, et autres
Publié: (2023)
par: Wu, Jiafu, et autres
Publié: (2023)
Paper2Poster: Towards Multimodal Poster Automation from Scientific Papers
par: Pang, Wei, et autres
Publié: (2025)
par: Pang, Wei, et autres
Publié: (2025)
LazyVLM: Neuro-Symbolic Approach to Video Analytics
par: Jian, Xiangru, et autres
Publié: (2025)
par: Jian, Xiangru, et autres
Publié: (2025)
HGCLIP: Exploring Vision-Language Models with Graph Representations for Hierarchical Understanding
par: Xia, Peng, et autres
Publié: (2023)
par: Xia, Peng, et autres
Publié: (2023)
NEARL-CLIP: Interacted Query Adaptation with Orthogonal Regularization for Medical Vision-Language Understanding
par: Peng, Zelin, et autres
Publié: (2025)
par: Peng, Zelin, et autres
Publié: (2025)
Continual Vision-Language Learning for Remote Sensing: Benchmarking and Analysis
par: Weng, Xingxing, et autres
Publié: (2026)
par: Weng, Xingxing, et autres
Publié: (2026)
3D Skew-Normal Splatting
par: Wu, Xiangru, et autres
Publié: (2026)
par: Wu, Xiangru, et autres
Publié: (2026)
LPViT: Low-Power Semi-structured Pruning for Vision Transformers
par: Xu, Kaixin, et autres
Publié: (2024)
par: Xu, Kaixin, et autres
Publié: (2024)
PUMGPT: A Large Vision-Language Model for Product Understanding
par: Xue, Wei, et autres
Publié: (2023)
par: Xue, Wei, et autres
Publié: (2023)
CVVNet: A Cross-Vertical-View Network for Gait Recognition
par: Li, Xiangru, et autres
Publié: (2025)
par: Li, Xiangru, et autres
Publié: (2025)
DreamPainter: Image Background Inpainting for E-commerce Scenarios
par: Zhao, Sijie, et autres
Publié: (2025)
par: Zhao, Sijie, et autres
Publié: (2025)
MR. Video: "MapReduce" is the Principle for Long Video Understanding
par: Pang, Ziqi, et autres
Publié: (2025)
par: Pang, Ziqi, et autres
Publié: (2025)
RaFE: Generative Radiance Fields Restoration
par: Wu, Zhongkai, et autres
Publié: (2024)
par: Wu, Zhongkai, et autres
Publié: (2024)
Semantically Grounded QFormer for Efficient Vision Language Understanding
par: Choraria, Moulik, et autres
Publié: (2023)
par: Choraria, Moulik, et autres
Publié: (2023)
Unveiling Context-Related Anomalies: Knowledge Graph Empowered Decoupling of Scene and Action for Human-Related Video Anomaly Detection
par: Chen, Chenglizhao, et autres
Publié: (2024)
par: Chen, Chenglizhao, et autres
Publié: (2024)
Improving Large Vision-Language Models' Understanding for Flow Field Data
par: Zhang, Xiaomei, et autres
Publié: (2025)
par: Zhang, Xiaomei, et autres
Publié: (2025)
Vision-Language Modeling Meets Remote Sensing: Models, Datasets and Perspectives
par: Weng, Xingxing, et autres
Publié: (2025)
par: Weng, Xingxing, et autres
Publié: (2025)
Learning to Hear by Seeing: It's Time for Vision Language Models to Understand Artistic Emotion from Sight and Sound
par: Zhang, Dengming, et autres
Publié: (2025)
par: Zhang, Dengming, et autres
Publié: (2025)
ArchMap: Arch-Flattening and Knowledge-Guided Vision Language Model for Tooth Counting and Structured Dental Understanding
par: Zhang, Bohan, et autres
Publié: (2025)
par: Zhang, Bohan, et autres
Publié: (2025)
TokenSwap: Backdoor Attack on the Compositional Understanding of Large Vision-Language Models
par: Zhang, Zhifang, et autres
Publié: (2025)
par: Zhang, Zhifang, et autres
Publié: (2025)
Pool-Select-Refine: Allocation-Aware Generative Dataset Distillation with Soft-Label-Guided Latent Refinement
par: Li, Wenmin, et autres
Publié: (2026)
par: Li, Wenmin, et autres
Publié: (2026)
Towards Imbalanced Motion: Part-Decoupling Network for Video Portrait Segmentation
par: Yu, Tianshu, et autres
Publié: (2023)
par: Yu, Tianshu, et autres
Publié: (2023)
USV: Unified Sparsification for Accelerating Video Diffusion Models
par: Wu, Xinjian, et autres
Publié: (2025)
par: Wu, Xinjian, et autres
Publié: (2025)
How to Utilize Complementary Vision-Text Information for 2D Structure Understanding
par: Dong, Jiancheng, et autres
Publié: (2026)
par: Dong, Jiancheng, et autres
Publié: (2026)
Video-XL: Extra-Long Vision Language Model for Hour-Scale Video Understanding
par: Shu, Yan, et autres
Publié: (2024)
par: Shu, Yan, et autres
Publié: (2024)
VisionKG: Unleashing the Power of Visual Datasets via Knowledge Graph
par: Yuan, Jicheng, et autres
Publié: (2023)
par: Yuan, Jicheng, et autres
Publié: (2023)
EgoGraph: Temporal Knowledge Graph for Egocentric Video Understanding
par: Sun, Shitong, et autres
Publié: (2026)
par: Sun, Shitong, et autres
Publié: (2026)
Documents similaires
-
Enhancing Graph Self-Supervised Learning with Graph Interplay
par: Zhao, Xinjian, et autres
Publié: (2024) -
Boosting Protein Language Models with Negative Sample Mining
par: Xu, Yaoyao, et autres
Publié: (2024) -
Rethinking Spectral Augmentation for Contrast-based Graph Self-Supervised Learning
par: Jian, Xiangru, et autres
Publié: (2024) -
FORGE: Fine-grained Multimodal Evaluation for Manufacturing Scenarios
par: Jian, Xiangru, et autres
Publié: (2026) -
Lost in UNet: Improving Infrared Small Target Detection by Underappreciated Local Features
par: Quan, Wuzhou, et autres
Publié: (2024)