:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zishan, Md Abu Obaida, Rasel, Annajiat Alim
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition D.2.10
Online-Zugang:	https://arxiv.org/abs/2512.22449
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Supersampling Stable Diffusion and Beyond: A Seamless, Training-Free Approach for Scaling Neural Networks Using Common Interpolation Methods
von: Zishan, Md Abu Obaida, et al.
Veröffentlicht: (2026)

Computer Vision for Clinical Gait Analysis: A Gait Abnormality Video Dataset
von: Ranjan, Rahm, et al.
Veröffentlicht: (2024)

CLIP-Joint-Detect: End-to-End Joint Training of Object Detectors with Contrastive Vision-Language Supervision
von: Raoufi, Behnam, et al.
Veröffentlicht: (2025)

A Comprehensive Review of YOLO Architectures in Computer Vision: From YOLOv1 to YOLOv8 and YOLO-NAS
von: Terven, Juan, et al.
Veröffentlicht: (2023)

BlindSight: Harnessing Sparsity for Efficient Vision-Language Models
von: Srikrishnan, Tharun Adithya, et al.
Veröffentlicht: (2025)

MINT: Mitigating Hallucinations in Large Vision-Language Models via Token Reduction
von: Wang, Chao, et al.
Veröffentlicht: (2025)

ViG-LRGC: Vision Graph Neural Networks with Learnable Reparameterized Graph Construction
von: Elsharkawi, Ismael, et al.
Veröffentlicht: (2025)

Towards Hard and Soft Shadow Removal via Dual-Branch Separation Network and Vision Transformer
von: Liang, Jiajia
Veröffentlicht: (2025)

Video Event Reasoning and Prediction by Fusing World Knowledge from LLMs with Vision Foundation Models
von: Dubois, L'ea, et al.
Veröffentlicht: (2025)

Robust Visual Question Answering: Datasets, Methods, and Future Challenges
von: Ma, Jie, et al.
Veröffentlicht: (2023)

Category-Agnostic Neural Object Rigging
von: He, Guangzhao, et al.
Veröffentlicht: (2025)

Visual-Text Cross Alignment: Refining the Similarity Score in Vision-Language Models
von: Li, Jinhao, et al.
Veröffentlicht: (2024)

CoMViT: An Efficient Vision Backbone for Supervised Classification in Medical Imaging
von: Safdar, Aon, et al.
Veröffentlicht: (2025)

IMASHRIMP: Automatic White Shrimp (Penaeus vannamei) Biometrical Analysis from Laboratory Images Using Computer Vision and Deep Learning
von: González, Abiam Remache, et al.
Veröffentlicht: (2025)

A Challenging Benchmark of Anime Style Recognition
von: Li, Haotang, et al.
Veröffentlicht: (2022)

Beyond Visual Understanding: Introducing PARROT-360V for Vision Language Model Benchmarking
von: Khurdula, Harsha Vardhan, et al.
Veröffentlicht: (2024)

SurgVLM: A Large Vision-Language Model and Systematic Evaluation Benchmark for Surgical Intelligence
von: Zeng, Zhitao, et al.
Veröffentlicht: (2025)

A Vision-Language Model for Focal Liver Lesion Classification
von: Jian, Song, et al.
Veröffentlicht: (2025)

Context-Aware Indoor Point Cloud Object Generation through User Instructions
von: Luo, Yiyang, et al.
Veröffentlicht: (2023)

Visual Graph Question Answering with ASP and LLMs for Language Parsing
von: Bauer, Jakob Johannes, et al.
Veröffentlicht: (2025)

Edge-Based Standing-Water Detection via FSM-Guided Tiering and Multi-Model Consensus
von: Larsen, Oliver Aleksander, et al.
Veröffentlicht: (2026)

A Survey on Dynamic Neural Networks: from Computer Vision to Multi-modal Sensor Fusion
von: Montello, Fabio, et al.
Veröffentlicht: (2025)

Visual Enhanced Depth Scaling for Multimodal Latent Reasoning
von: Han, Yudong, et al.
Veröffentlicht: (2026)

Prompt Sensitivity in Vision-Language Grounding: How Small Changes in Wording Affect Object Detection
von: Deka, Dawar Jyoti, et al.
Veröffentlicht: (2026)

Look, Listen, and Answer: Overcoming Biases for Audio-Visual Question Answering
von: Ma, Jie, et al.
Veröffentlicht: (2024)

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

Textual and Visual Guided Task Adaptation for Source-Free Cross-Domain Few-Shot Segmentation
von: Liu, Jianming, et al.
Veröffentlicht: (2025)

An Evaluation of a Visual Question Answering Strategy for Zero-shot Facial Expression Recognition in Still Images
von: Castrillón-Santana, Modesto, et al.
Veröffentlicht: (2025)

Simple Self Organizing Map with Vision Transformers
von: Luo, Alan, et al.
Veröffentlicht: (2025)

MedVision: Dataset and Benchmark for Quantitative Medical Image Analysis
von: Yao, Yongcheng, et al.
Veröffentlicht: (2025)

One Leaf Reveals the Season: Occlusion-Based Contrastive Learning with Semantic-Aware Views for Efficient Visual Representation
von: Yang, Xiaoyu, et al.
Veröffentlicht: (2024)

From Gaze to Insight: Bridging Human Visual Attention and Vision Language Model Explanation for Weakly-Supervised Medical Image Segmentation
von: Chen, Jingkun, et al.
Veröffentlicht: (2025)

Zero-Shot Object Goal Visual Navigation With Class-Independent Relationship Network
von: Li, Xinting, et al.
Veröffentlicht: (2023)

Pan-Arctic Permafrost Landform and Human-built Infrastructure Feature Detection with Vision Transformers and Location Embeddings
von: Perera, Amal S., et al.
Veröffentlicht: (2025)

Decoupling Vision and Language: Codebook Anchored Visual Adaptation
von: Wu, Jason, et al.
Veröffentlicht: (2026)

Implicit Location-Caption Alignment via Complementary Masking for Weakly-Supervised Dense Video Captioning
von: Ge, Shiping, et al.
Veröffentlicht: (2024)

Learning Association via Track-Detection Matching for Multi-Object Tracking
von: Adžemović, Momir
Veröffentlicht: (2025)

SAG-ViT: A Scale-Aware, High-Fidelity Patching Approach with Graph Attention for Vision Transformers
von: Venkatraman, Shravan, et al.
Veröffentlicht: (2024)

HAAP: Vision-context Hierarchical Attention Autoregressive with Adaptive Permutation for Scene Text Recognition
von: Chen, Honghui, et al.
Veröffentlicht: (2024)

SITUATE -- Synthetic Object Counting Dataset for VLM training
von: Peinl, René, et al.
Veröffentlicht: (2026)