Buchumschlag

A Study of Finetuning Video Transformers for Multi-view Geometry Tasks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wu, Huimin, Cheng, Kwang-Ting, Lin, Stephen, Wu, Zhirong
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

Generalized Task-Driven Medical Image Quality Enhancement with Gradient Promotion
von: Zhang, Dong, et al.
Veröffentlicht: (2025)

Prompt-Guided Adaptive Model Transformation for Whole Slide Image Classification
von: Lin, Yi, et al.
Veröffentlicht: (2024)

VideoDreamer: Customized Multi-Subject Text-to-Video Generation with Disen-Mix Finetuning on Language-Video Foundation Models
von: Chen, Hong, et al.
Veröffentlicht: (2023)

Reconstruct, Inpaint, Test-Time Finetune: Dynamic Novel-view Synthesis from Monocular Videos
von: Chen, Kaihua, et al.
Veröffentlicht: (2025)

Memory Efficient Transformer Adapter for Dense Predictions
von: Zhang, Dong, et al.
Veröffentlicht: (2025)

SAMCT: Segment Any CT Allowing Labor-Free Task-Indicator Prompts
von: Lin, Xian, et al.
Veröffentlicht: (2024)

Associative Transformer
von: Sun, Yuwei, et al.
Veröffentlicht: (2023)

NoiseController: Towards Consistent Multi-view Video Generation via Noise Decomposition and Collaboration
von: Dong, Haotian, et al.
Veröffentlicht: (2025)

Trunk-branch Contrastive Network with Multi-view Deformable Aggregation for Multi-view Action Recognition
von: Yang, Yingyuan, et al.
Veröffentlicht: (2025)

Optimized View and Geometry Distillation from Multi-view Diffuser
von: Zhang, Youjia, et al.
Veröffentlicht: (2023)

Enhanced Parking Perception by Multi-Task Fisheye Cross-view Transformers
von: Musabini, Antonyo, et al.
Veröffentlicht: (2024)

Modular-Cam: Modular Dynamic Camera-view Video Generation with LLM
von: Pan, Zirui, et al.
Veröffentlicht: (2025)

Iterative Online Image Synthesis via Diffusion Model for Imbalanced Classification
von: Li, Shuhan, et al.
Veröffentlicht: (2024)

Revisiting Deep Ensemble Uncertainty for Enhanced Medical Anomaly Detection
von: Gu, Yi, et al.
Veröffentlicht: (2024)

Geometry-guided Cross-view Diffusion for One-to-many Cross-view Image Synthesis
von: Lin, Tao Jun, et al.
Veröffentlicht: (2024)

An Efficient and Effective Transformer Decoder-Based Framework for Multi-Task Visual Grounding
von: Chen, Wei, et al.
Veröffentlicht: (2024)

Decouple-Then-Merge: Finetune Diffusion Models as Multi-Task Learning
von: Ma, Qianli, et al.
Veröffentlicht: (2024)

Isolated Channel Vision Transformers: From Single-Channel Pretraining to Multi-Channel Finetuning
von: Lian, Wenyi, et al.
Veröffentlicht: (2025)

Token Merging via Spatiotemporal Information Mining for Surgical Video Understanding
von: Jiang, Xixi, et al.
Veröffentlicht: (2025)

GSM-GS: Geometry-Constrained Single and Multi-view Gaussian Splatting for Surface Reconstruction
von: Ren, Xiao, et al.
Veröffentlicht: (2026)

Unsupervised 3D Point Cloud Completion via Multi-view Adversarial Learning
von: Wu, Lintai, et al.
Veröffentlicht: (2024)

Non-parametric regularization for class imbalance federated medical image classification
von: Wicaksana, Jeffry, et al.
Veröffentlicht: (2024)

GaMO: Geometry-aware Multi-view Diffusion Outpainting for Sparse-View 3D Reconstruction
von: Huang, Yi-Chuan, et al.
Veröffentlicht: (2025)

Carve3D: Improving Multi-view Reconstruction Consistency for Diffusion Models with RL Finetuning
von: Xie, Desai, et al.
Veröffentlicht: (2023)

IMFine: 3D Inpainting via Geometry-guided Multi-view Refinement
von: Shi, Zhihao, et al.
Veröffentlicht: (2025)

Geometry-Aware Representation Denoising for Robust Multi-view 3D Reconstruction
von: Kim, Jin Hyeon, et al.
Veröffentlicht: (2026)

SafeMVDrive: Multi-view Safety-Critical Driving Video Synthesis in the Real World Domain
von: Zhou, Jiawei, et al.
Veröffentlicht: (2025)

Mumpy: Multilateral Temporal-view Pyramid Transformer for Video Inpainting Detection
von: Zhang, Ying, et al.
Veröffentlicht: (2024)

GAReT: Cross-view Video Geolocalization with Adapters and Auto-Regressive Transformers
von: Pillai, Manu S, et al.
Veröffentlicht: (2024)

TDViT: Temporal Dilated Video Transformer for Dense Video Tasks
von: Sun, Guanxiong, et al.
Veröffentlicht: (2024)

UniMLVG: Unified Framework for Multi-view Long Video Generation with Comprehensive Control Capabilities for Autonomous Driving
von: Chen, Rui, et al.
Veröffentlicht: (2024)

MoVieDrive: Urban Scene Synthesis with Multi-Modal Multi-View Video Diffusion Transformer
von: Wu, Guile, et al.
Veröffentlicht: (2025)

MMVIAD: Multi-view Multi-task Video Understanding for Industrial Anomaly Detection
von: Zhao, Xiran, et al.
Veröffentlicht: (2026)

Perspective-aware 3D Gaussian Inpainting with Multi-view Consistency
von: Cheng, Yuxin, et al.
Veröffentlicht: (2025)

MedIAnomaly: A comparative study of anomaly detection in medical images
von: Cai, Yu, et al.
Veröffentlicht: (2024)

Relation-R1: Progressively Cognitive Chain-of-Thought Guided Reinforcement Learning for Unified Relation Comprehension
von: Li, Lin, et al.
Veröffentlicht: (2025)

BoNuS: Boundary Mining for Nuclei Segmentation with Partial Point Labels
von: Lin, Yi, et al.
Veröffentlicht: (2024)

Aligning Medical Images with General Knowledge from Large Language Models
von: Fang, Xiao, et al.
Veröffentlicht: (2024)

Multi-view Pyramid Transformer: Look Coarser to See Broader
von: Kang, Gyeongjin, et al.
Veröffentlicht: (2025)

Multi-view Hand Reconstruction with a Point-Embedded Transformer
von: Yang, Lixin, et al.
Veröffentlicht: (2024)