Buchumschlag

Learning to Read Where to Look: Disease-Aware Vision-Language Pretraining for 3D CT

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ging, Simon, Arnold, Philipp, Walter, Sebastian, Alnahas, Hani, Bast, Hannah, Kotter, Elmar, Yang, Jiancheng, Bozorgtabar, Behzad, Brox, Thomas
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition Computation and Language Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Using Knowledge Graphs to harvest datasets for efficient CLIP model training
von: Ging, Simon, et al.
Veröffentlicht: (2025)

Open-ended VQA benchmarking of Vision-Language models by exploiting Classification datasets and their semantic hierarchy
von: Ging, Simon, et al.
Veröffentlicht: (2024)

GRISP: Guided Recurrent IRI Selection over SPARQL Skeletons
von: Walter, Sebastian, et al.
Veröffentlicht: (2026)

The Wikidata Query Logs Dataset
von: Walter, Sebastian, et al.
Veröffentlicht: (2026)

GRASP: Generic Reasoning And SPARQL Generation across Knowledge Graphs
von: Walter, Sebastian, et al.
Veröffentlicht: (2025)

Deep classification algorithm for De-identification of DICOM medical images
von: Michele, Bufano, et al.
Veröffentlicht: (2025)

Distill-SODA: Distilling Self-Supervised Vision Transformer for Source-Free Open-Set Domain Adaptation in Computational Pathology
von: Vray, Guillaume, et al.
Veröffentlicht: (2023)

Refining 3D Medical Segmentation with Verbal Instruction
von: Xie, Kangxian, et al.
Veröffentlicht: (2026)

Un-Mixing Test-Time Normalization Statistics: Combatting Label Temporal Correlation
von: Tomar, Devavrat, et al.
Veröffentlicht: (2024)

Slide-Level Prompt Learning with Vision Language Models for Few-Shot Multiple Instance Learning in Histopathology
von: Tomar, Devavrat, et al.
Veröffentlicht: (2025)

Positive Semi-definite Latent Factor Grouping-Boosted Cluster-reasoning Instance Disentangled Learning for WSI Representation
von: Li, Chentao, et al.
Veröffentlicht: (2025)

AFFMAE: Scalable and Efficient Vision Pretraining for Desktop Graphics Cards
von: Smerkous, David, et al.
Veröffentlicht: (2026)

CrIBo: Self-Supervised Learning via Cross-Image Object-Level Bootstrapping
von: Lebailly, Tim, et al.
Veröffentlicht: (2023)

VGS-Decoding: Visual Grounding Score Guided Decoding for Hallucination Mitigation in Medical VLMs
von: Kolli, Govinda, et al.
Veröffentlicht: (2026)

MuGa-VTON: Multi-Garment Virtual Try-On via Diffusion Transformers with Prompt Customization
von: Deria, Ankan, et al.
Veröffentlicht: (2025)

LATA: Laplacian-Assisted Transductive Adaptation for Conformal Uncertainty in Medical VLMs
von: Bozorgtabar, Behzad, et al.
Veröffentlicht: (2026)

Where do Large Vision-Language Models Look at when Answering Questions?
von: Xing, Xiaoying, et al.
Veröffentlicht: (2025)

A Simple Framework for Open-Vocabulary Zero-Shot Segmentation
von: Stegmüller, Thomas, et al.
Veröffentlicht: (2024)

ReservoirTTA: Prolonged Test-time Adaptation for Evolving and Recurring Domains
von: Vray, Guillaume, et al.
Veröffentlicht: (2025)

Pretrain Where? Investigating How Pretraining Data Diversity Impacts Geospatial Foundation Model Performance
von: Kaur, Amandeep, et al.
Veröffentlicht: (2026)

Tell Model Where to Look: Mitigating Hallucinations in MLLMs by Vision-Guided Attention
von: Zhao, Jianfei, et al.
Veröffentlicht: (2025)

LookWhere? Efficient Visual Recognition by Learning Where to Look and What to See from Self-Supervision
von: Fuller, Anthony, et al.
Veröffentlicht: (2025)

MOSAIC: A Multi-View 2.5D Organ Slice Selector with Cross-Attentional Reasoning for Anatomically-Aware CT Localization in Medical Organ Segmentation
von: Ghouse, Hania, et al.
Veröffentlicht: (2025)

Pay Attention to Where You Looked
von: Berian, Alex, et al.
Veröffentlicht: (2026)

Semantic-Aware Ship Detection with Vision-Language Integration
von: Li, Jiahao, et al.
Veröffentlicht: (2025)

Two Effects, One Trigger: On the Modality Gap, Object Bias, and Information Imbalance in Contrastive Vision-Language Models
von: Schrodi, Simon, et al.
Veröffentlicht: (2024)

Anatomy-Aware Low-Dose CT Denoising via Pretrained Vision Models and Semantic-Guided Contrastive Learning
von: Wang, Runze, et al.
Veröffentlicht: (2025)

Universal CT Representations from Anatomy to Disease Phenotype through Agglomerative Pretraining
von: Li, Yuheng, et al.
Veröffentlicht: (2026)

Self-Supervised Multi-View Representation Learning using Vision-Language Model for 3D/4D Facial Expression Recognition
von: Behzad, Muzammil
Veröffentlicht: (2025)

Facial Emotion Learning with Text-Guided Multiview Fusion via Vision-Language Model for 3D/4D Facial Expression Recognition
von: Behzad, Muzammil
Veröffentlicht: (2025)

Unsupervised Multiview Contrastive Language-Image Joint Learning with Pseudo-Labeled Prompts Via Vision-Language Model for 3D/4D Facial Expression Recognition
von: Behzad, Muzammil
Veröffentlicht: (2025)

Vision Transformer for Intracranial Hemorrhage Classification in CT Scans Using an Entropy-Aware Fuzzy Integral Strategy for Adaptive Scan-Level Decision Fusion
von: Chagahi, Mehdi Hosseini, et al.
Veröffentlicht: (2025)

Vision-and-Language Pretraining
von: Nguyen, Thong, et al.
Veröffentlicht: (2022)

Look Ahead or Look Around? A Theoretical Comparison Between Autoregressive and Masked Pretraining
von: Zhang, Qi, et al.
Veröffentlicht: (2024)

Redundancy-Aware Pretraining of Vision-Language Foundation Models in Remote Sensing
von: Adler, Mathis Jürgen, et al.
Veröffentlicht: (2025)

What They Saw, Not Just Where They Looked: Semantic Scanpath Similarity via VLMs and NLP metric
von: Kerkouri, Mohamed Amine, et al.
Veröffentlicht: (2026)

Where to Begin: Efficient Pretraining via Subnetwork Selection and Distillation
von: Krishnakumar, Arjun, et al.
Veröffentlicht: (2025)

Deformable Attentive Visual Enhancement for Referring Segmentation Using Vision-Language Model
von: Dalaq, Alaa, et al.
Veröffentlicht: (2025)

Context-Aware Multimodal Pretraining
von: Roth, Karsten, et al.
Veröffentlicht: (2024)

When and How Does CLIP Enable Domain and Compositional Generalization?
von: Kempf, Elias, et al.
Veröffentlicht: (2025)