Buchumschlag

Visual Bridge: Universal Visual Perception Representations Generating

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Gao, Yilin, Dou, Shuguang, Li, Junzhou, Yu, Zhiheng, Li, Yin, Jiang, Dongsheng, Xu, Shugong
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

ReGLA: Efficient Receptive-Field Modeling with Gated Linear Attention Network
von: Li, Junzhou, et al.
Veröffentlicht: (2026)

Enhancing Multimodal Large Language Models with Multi-instance Visual Prompt Generator for Visual Representation Enrichment
von: Zhong, Wenliang, et al.
Veröffentlicht: (2024)

Bridging Generative and Discriminative Models for Unified Visual Perception with Diffusion Priors
von: Dong, Shiyin, et al.
Veröffentlicht: (2024)

SemanticMIM: Marring Masked Image Modeling with Semantics Compression for General Visual Representation
von: Yuan, Yike, et al.
Veröffentlicht: (2024)

Adaptive Discriminative Regularization for Visual Classification
von: Zhao, Qingsong, et al.
Veröffentlicht: (2022)

Stereo-based 3D Anomaly Object Detection for Autonomous Driving: A New Dataset and Baseline
von: Mu, Shiyi, et al.
Veröffentlicht: (2025)

Knowledge Transfer from Interaction Learning
von: Gao, Yilin, et al.
Veröffentlicht: (2025)

VisRL: Intention-Driven Visual Perception via Reinforced Reasoning
von: Chen, Zhangquan, et al.
Veröffentlicht: (2025)

VisualCloze: A Universal Image Generation Framework via Visual In-Context Learning
von: Li, Zhong-Yu, et al.
Veröffentlicht: (2025)

KG-ViP: Bridging Knowledge Grounding and Visual Perception in Multi-modal LLMs for Visual Question Answering
von: Li, Zhiyang, et al.
Veröffentlicht: (2026)

Visual-Advantage On-Policy Distillation for Vision-Language Models
von: Liu, Ruiqi, et al.
Veröffentlicht: (2026)

TerraGen: A Unified Multi-Task Layout Generation Framework for Remote Sensing Data Augmentation
von: Tang, Datao, et al.
Veröffentlicht: (2025)

UniV2D: Bridging Visual Restoration and Semantic Perception for Underwater Salient Object Detection
von: Chang, Laibin, et al.
Veröffentlicht: (2026)

StereoDETR: Stereo-based Transformer for 3D Object Detection
von: Mu, Shiyi, et al.
Veröffentlicht: (2025)

Kernel-based Unsupervised Embedding Alignment for Enhanced Visual Representation in Vision-language Models
von: Gong, Shizhan, et al.
Veröffentlicht: (2025)

DINOv3 Visual Representations for Blueberry Perception Toward Robotic Harvesting
von: Wang, Rui-Feng, et al.
Veröffentlicht: (2026)

Aligning Generative Denoising with Discriminative Objectives Unleashes Diffusion for Visual Perception
von: Pang, Ziqi, et al.
Veröffentlicht: (2025)

Visual Programming for Zero-shot Open-Vocabulary 3D Visual Grounding
von: Yuan, Zhihao, et al.
Veröffentlicht: (2023)

Enhancing Descriptive Captions with Visual Attributes for Multimodal Perception
von: Sun, Yanpeng, et al.
Veröffentlicht: (2024)

DanceGRPO: Unleashing GRPO on Visual Generation
von: Xue, Zeyue, et al.
Veröffentlicht: (2025)

Active Visual Perception: Opportunities and Challenges
von: Li, Yian, et al.
Veröffentlicht: (2025)

Prompt Disentanglement via Language Guidance and Representation Alignment for Domain Generalization
von: Cheng, De, et al.
Veröffentlicht: (2025)

Harmonizing Visual Representations for Unified Multimodal Understanding and Generation
von: Wu, Size, et al.
Veröffentlicht: (2025)

Concepts from Representations: Post-hoc Concept Bottleneck Models via Sparse Decomposition of Visual Representations
von: Gong, Shizhan, et al.
Veröffentlicht: (2026)

Elevating Visual Perception in Multimodal LLMs with Visual Embedding Distillation
von: Jain, Jitesh, et al.
Veröffentlicht: (2024)

Visual and Semantic Prompt Collaboration for Generalized Zero-Shot Learning
von: Jiang, Huajie, et al.
Veröffentlicht: (2025)

Completing Visual Objects via Bridging Generation and Segmentation
von: Li, Xiang, et al.
Veröffentlicht: (2023)

GRLoc: Geometric Representation Regression for Visual Localization
von: Li, Changyang, et al.
Veröffentlicht: (2025)

Bridging the Intent Gap: Knowledge-Enhanced Visual Generation
von: Cheng, Yi, et al.
Veröffentlicht: (2024)

Unreal is all you need: Multimodal ISAC Data Simulation with Only One Engine
von: Huang, Kongwu, et al.
Veröffentlicht: (2025)

LSPT: Long-term Spatial Prompt Tuning for Visual Representation Learning
von: Mo, Shentong, et al.
Veröffentlicht: (2024)

Visual-RAG: Benchmarking Text-to-Image Retrieval Augmented Generation for Visual Knowledge Intensive Queries
von: Wu, Yin, et al.
Veröffentlicht: (2025)

Parameter-Inverted Image Pyramid Networks for Visual Perception and Multimodal Understanding
von: Wang, Zhaokai, et al.
Veröffentlicht: (2025)

SpeechForensics: Audio-Visual Speech Representation Learning for Face Forgery Detection
von: Liang, Yachao, et al.
Veröffentlicht: (2025)

Exploring Interpretability for Visual Prompt Tuning with Cross-layer Concepts
von: Wang, Yubin, et al.
Veröffentlicht: (2025)

AR as an Evaluation Playground: Bridging Metrics and Visual Perception of Computer Vision Models
von: Ganj, Ashkan, et al.
Veröffentlicht: (2025)

Representation Fréchet Loss for Visual Generation
von: Yang, Jiawei, et al.
Veröffentlicht: (2026)

Similarity Distribution based Membership Inference Attack on Person Re-identification
von: Gao, Junyao, et al.
Veröffentlicht: (2022)

Bridge the Gap Between Visual and Linguistic Comprehension for Generalized Zero-shot Semantic Segmentation
von: Guo, Xiaoqing, et al.
Veröffentlicht: (2025)

The Shape of Sight: A Homological Framework for Unifying Visual Perception
von: Li, Xin
Veröffentlicht: (2018)