Buchumschlag

Better with Less: Tackling Heterogeneous Multi-Modal Image Joint Pretraining via Conditioned and Degraded Masked Autoencoder

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Peng, Bowen, Liu, Yongxiang, Zhou, Jie, Chen, Xiaodong, Liu, Tianpeng, Yu, Xiaogang, Liu, Li
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Enhancing Transferability of Targeted Adversarial Examples: A Self-Universal Perspective
von: Peng, Bowen, et al.
Veröffentlicht: (2024)

Towards Assessing the Synthetic-to-Measured Adversarial Vulnerability of SAR ATR
von: Peng, Bowen, et al.
Veröffentlicht: (2024)

HuiYanEarth-SAR: A Foundation Model for High-Fidelity and Low-Cost Global Remote Sensing Imagery Generation
von: Liu, Yongxiang, et al.
Veröffentlicht: (2026)

Predicting Gradient is Better: Exploring Self-Supervised Learning for SAR ATR with a Joint-Embedding Predictive Architecture
von: Li, Weijie, et al.
Veröffentlicht: (2023)

UEVAVD: A Dataset for Developing UAV's Eye View Active Object Detection
von: Jiang, Xinhua, et al.
Veröffentlicht: (2024)

ATRNet-STAR: A Large Dataset and Benchmark Towards Remote Sensing Object Recognition in the Wild
von: Liu, Yongxiang, et al.
Veröffentlicht: (2025)

Better, Stronger, Faster: Tackling the Trilemma in MLLM-based Segmentation with Simultaneous Textual Mask Prediction
von: Liu, Jiazhen, et al.
Veröffentlicht: (2025)

Tissue-Contrastive Semi-Masked Autoencoders for Segmentation Pretraining on Chest CT
von: Zheng, Jie, et al.
Veröffentlicht: (2024)

Fusion Meets Diverse Conditions: A High-diversity Benchmark and Baseline for UAV-based Multimodal Object Detection with Condition Cues
von: Chen, Chen, et al.
Veröffentlicht: (2025)

Boosting Continuous Emotion Recognition with Self-Pretraining using Masked Autoencoders, Temporal Convolutional Networks, and Transformers
von: Zhou, Weiwei, et al.
Veröffentlicht: (2024)

Hierarchical Disentanglement-Alignment Network for Robust SAR Vehicle Recognition
von: Li, Weijie, et al.
Veröffentlicht: (2023)

MV2MAE: Multi-View Video Masked Autoencoders
von: Shah, Ketul, et al.
Veröffentlicht: (2024)

MaDiNet: Mamba Diffusion Network for SAR Target Detection
von: Zhou, Jie, et al.
Veröffentlicht: (2024)

Masked Autoencoder Pretraining on Strong-Lensing Images for Joint Dark-Matter Model Classification and Super-Resolution
von: Prasha, Achmad Ardani, et al.
Veröffentlicht: (2025)

MARMOT: Masked Autoencoder for Modeling Transient Imaging
von: Shen, Siyuan, et al.
Veröffentlicht: (2025)

Joint Conditional Diffusion Model for Image Restoration with Mixed Degradations
von: Yue, Yufeng, et al.
Veröffentlicht: (2024)

Robust Multi-Modal Face Anti-Spoofing with Domain Adaptation: Tackling Missing Modalities, Noisy Pseudo-Labels, and Model Degradation
von: Hsu, Ming-Tsung, et al.
Veröffentlicht: (2025)

MaskFuser: Masked Fusion of Joint Multi-Modal Tokenization for End-to-End Autonomous Driving
von: Duan, Yiqun, et al.
Veröffentlicht: (2024)

Less Detail, Better Answers: Degradation-Driven Prompting for VQA
von: Han, Haoxuan, et al.
Veröffentlicht: (2026)

DailyMAE: Towards Pretraining Masked Autoencoders in One Day
von: Wu, Jiantao, et al.
Veröffentlicht: (2024)

NeighborMAE: Exploiting Spatial Dependencies between Neighboring Earth Observation Images in Masked Autoencoders Pretraining
von: Zeng, Liang, et al.
Veröffentlicht: (2026)

MaeFuse: Transferring Omni Features with Pretrained Masked Autoencoders for Infrared and Visible Image Fusion via Guided Training
von: Li, Jiayang, et al.
Veröffentlicht: (2024)

MultiMAE for Brain MRIs: Robustness to Missing Inputs Using Multi-Modal Masked Autoencoder
von: Erdur, Ayhan Can, et al.
Veröffentlicht: (2025)

MU-MAE: Multimodal Masked Autoencoders-Based One-Shot Learning
von: Liu, Rex, et al.
Veröffentlicht: (2024)

SenPa-MAE: Sensor Parameter Aware Masked Autoencoder for Multi-Satellite Self-Supervised Pretraining
von: Prexl, Jonathan, et al.
Veröffentlicht: (2024)

FedMM: Federated Multi-Modal Learning with Modality Heterogeneity in Computational Pathology
von: Peng, Yuanzhe, et al.
Veröffentlicht: (2024)

Less is More: Masking Elements in Image Condition Features Avoids Content Leakages in Style Transfer Diffusion Models
von: Zhu, Lin, et al.
Veröffentlicht: (2025)

Light-ResKAN: A Parameter-Sharing Lightweight KAN with Gram Polynomials for Efficient SAR Image Recognition
von: Yi, Pan, et al.
Veröffentlicht: (2026)

Multi-Modality Distillation via Learning the teacher's modality-level Gram Matrix
von: Liu, Peng
Veröffentlicht: (2021)

Exploring Conditional Multi-Modal Prompts for Zero-shot HOI Detection
von: Lei, Ting, et al.
Veröffentlicht: (2024)

Cross Domain Object Detection via Multi-Granularity Confidence Alignment based Mean Teacher
von: Chen, Jiangming, et al.
Veröffentlicht: (2024)

Enhancing Representations through Heterogeneous Self-Supervised Learning
von: Li, Zhong-Yu, et al.
Veröffentlicht: (2023)

Reconstructing the Invisible: Video Frame Restoration through Siamese Masked Conditional Variational Autoencoder
von: Zhou, Yongchen, et al.
Veröffentlicht: (2024)

A Two-Stage Progressive Pre-training using Multi-Modal Contrastive Masked Autoencoders
von: Jamal, Muhammad Abdullah, et al.
Veröffentlicht: (2024)

UniFuse: A Unified All-in-One Framework for Multi-Modal Medical Image Fusion Under Diverse Degradations and Misalignments
von: Su, Dayong, et al.
Veröffentlicht: (2025)

A Reverse Causal Framework to Mitigate Spurious Correlations for Debiasing Scene Graph Generation
von: Sun, Shuzhou, et al.
Veröffentlicht: (2025)

Towards Personalized Multi-Modal MRI Synthesis across Heterogeneous Datasets
von: Zhang, Yue, et al.
Veröffentlicht: (2026)

Better Reasoning with Less Data: Enhancing VLMs Through Unified Modality Scoring
von: Xu, Mingjie, et al.
Veröffentlicht: (2025)

Semantics-Guided Multimodal Masked Autoencoder Pretraining for 3D BEV Object Detection
von: Wariyapperuma, Prabuddhi, et al.
Veröffentlicht: (2026)

MaskLRF: Self-supervised Pretraining via Masked Autoencoding of Local Reference Frames for Rotation-invariant 3D Point Set Analysis
von: Furuya, Takahiko
Veröffentlicht: (2024)