Buchumschlag

Can LLM-Generated Text Empower Surgical Vision-Language Pre-training?

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Che, Chengan, Wang, Chao, Huang, Jiayuan, Chen, Xinyue, Garcia-Peraza-Herrera, Luis C.
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

Back to the Feature: Explaining Video Classifiers with Video Counterfactual Explanations
von: Wang, Chao, et al.
Veröffentlicht: (2025)

LEMON: A Large Endoscopic MONocular Dataset and Foundation Model for Perception in Surgical Settings
von: Che, Chengan, et al.
Veröffentlicht: (2025)

A Stitch in Time: Learning Procedural Workflow via Self-Supervised Plackett-Luce Ranking
von: Che, Chengan, et al.
Veröffentlicht: (2025)

Can Medical Vision-Language Pre-training Succeed with Purely Synthetic Data?
von: Liu, Che, et al.
Veröffentlicht: (2024)

Lightweight Model Pre-training via Language Guided Knowledge Distillation
von: Li, Mingsheng, et al.
Veröffentlicht: (2024)

Efficient Vision-and-Language Pre-training with Text-Relevant Image Patch Selection
von: Ye, Wei, et al.
Veröffentlicht: (2024)

IMITATE: Clinical Prior Guided Hierarchical Vision-Language Pre-training
von: Liu, Che, et al.
Veröffentlicht: (2023)

TRIPS: Efficient Vision-and-Language Pre-training with Text-Relevant Image Patch Selection
von: Jiang, Chaoya, et al.
Veröffentlicht: (2023)

Empowering Functional Neuroimaging: A Pre-trained Generative Framework for Unified Representation of Neural Signals
von: Yao, Weiheng, et al.
Veröffentlicht: (2025)

Utilizing Synthetic Data for Medical Vision-Language Pre-training: Bypassing the Need for Real Images
von: Liu, Che, et al.
Veröffentlicht: (2023)

MAA: Meticulous Adversarial Attack against Vision-Language Pre-trained Models
von: Zhang, Peng-Fei, et al.
Veröffentlicht: (2025)

On the Role of Depth in Surgical Vision Foundation Models: An Empirical Study of RGB-D Pre-training
von: Han, John J., et al.
Veröffentlicht: (2026)

Efficient Vision-Language Pre-training by Cluster Masking
von: Wei, Zihao, et al.
Veröffentlicht: (2024)

Enhancing Vision-Language Pre-training with Rich Supervisions
von: Gao, Yuan, et al.
Veröffentlicht: (2024)

A Reality Check of Vision-Language Pre-training in Radiology: Have We Progressed Using Text?
von: Silva-Rodríguez, Julio, et al.
Veröffentlicht: (2025)

Traj-LLM: A New Exploration for Empowering Trajectory Prediction with Pre-trained Large Language Models
von: Lan, Zhengxing, et al.
Veröffentlicht: (2024)

VLP: A Survey on Vision-Language Pre-training
von: Chen, Feilong, et al.
Veröffentlicht: (2022)

Are Large Pre-trained Vision Language Models Effective Construction Safety Inspectors?
von: Chen, Xuezheng, et al.
Veröffentlicht: (2025)

Omniview-Tuning: Boosting Viewpoint Invariance of Vision-Language Pre-training Models
von: Ruan, Shouwei, et al.
Veröffentlicht: (2024)

Winner Team Mia at TextVQA Challenge 2021: Vision-and-Language Representation Learning with Pre-trained Sequence-to-Sequence Model
von: Qiao, Yixuan, et al.
Veröffentlicht: (2021)

Understanding the Multi-modal Prompts of the Pre-trained Vision-Language Model
von: Ma, Shuailei, et al.
Veröffentlicht: (2023)

Text Promptable Surgical Instrument Segmentation with Vision-Language Models
von: Zhou, Zijian, et al.
Veröffentlicht: (2023)

TAP-VL: Text Layout-Aware Pre-training for Enriched Vision-Language Models
von: Fhima, Jonathan, et al.
Veröffentlicht: (2024)

CLIP4STR: A Simple Baseline for Scene Text Recognition with Pre-trained Vision-Language Model
von: Zhao, Shuai, et al.
Veröffentlicht: (2023)

UniVid: Unifying Vision Tasks with Pre-trained Video Generation Models
von: Chen, Lan, et al.
Veröffentlicht: (2025)

Multilingual Vision-Language Pre-training for the Remote Sensing Domain
von: Silva, João Daniel, et al.
Veröffentlicht: (2024)

MMCOMPOSITION: Revisiting the Compositionality of Pre-trained Vision-Language Models
von: Hua, Hang, et al.
Veröffentlicht: (2024)

Unsupervised Domain Adaption Harnessing Vision-Language Pre-training
von: Zhou, Wenlve, et al.
Veröffentlicht: (2024)

Efficient and Long-Tailed Generalization for Pre-trained Vision-Language Model
von: Shi, Jiang-Xin, et al.
Veröffentlicht: (2024)

FashionFAE: Fine-grained Attributes Enhanced Fashion Vision-Language Pre-training
von: Huang, Jiale, et al.
Veröffentlicht: (2024)

LoTLIP: Improving Language-Image Pre-training for Long Text Understanding
von: Wu, Wei, et al.
Veröffentlicht: (2024)

A Two-Stage Globally-Diverse Adversarial Attack for Vision-Language Pre-training Models
von: Chen, Wutao, et al.
Veröffentlicht: (2026)

A Reinforcement Learning-Based Automatic Video Editing Method Using Pre-trained Vision-Language Model
von: Hu, Panwen, et al.
Veröffentlicht: (2024)

Efficient and Effective Universal Adversarial Attack against Vision-Language Pre-training Models
von: Yang, Fan, et al.
Veröffentlicht: (2024)

Continual Forgetting for Pre-trained Vision Models
von: Zhao, Hongbo, et al.
Veröffentlicht: (2024)

Let ViT Speak: Generative Language-Image Pre-training
von: Fang, Yan, et al.
Veröffentlicht: (2026)

Generalized Face Forgery Detection via Adaptive Learning for Pre-trained Vision Transformer
von: Luo, Anwei, et al.
Veröffentlicht: (2023)

Sample-agnostic Adversarial Perturbation for Vision-Language Pre-training Models
von: Zheng, Haonan, et al.
Veröffentlicht: (2024)

3D Scene Graph Guided Vision-Language Pre-training
von: Liu, Hao, et al.
Veröffentlicht: (2024)

NEVLP: Noise-Robust Framework for Efficient Vision-Language Pre-training
von: Tao, Yiyi, et al.
Veröffentlicht: (2024)