Buchumschlag

From pre-training to downstream performance: Does domain-specific pre-training make sense?

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Krones, Felix
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Fast constrained sampling in pre-trained diffusion models
von: Graikos, Alexandros, et al.
Veröffentlicht: (2024)

Comprehensive language-image pre-training for 3D medical image understanding
von: Wald, Tassilo, et al.
Veröffentlicht: (2025)

Improving fine-grained understanding in image-text pre-training
von: Bica, Ioana, et al.
Veröffentlicht: (2024)

Revisiting MAE pre-training for 3D medical image segmentation
von: Wald, Tassilo, et al.
Veröffentlicht: (2024)

Referential communication in heterogeneous communities of pre-trained visual deep networks
von: Mahaut, Matéo, et al.
Veröffentlicht: (2023)

Post-pre-training for Modality Alignment in Vision-Language Foundation Models
von: Yamaguchi, Shin'ya, et al.
Veröffentlicht: (2025)

Utilizing Transfer Learning and pre-trained Models for Effective Forest Fire Detection: A Case Study of Uttarakhand
von: Gupta, Hari Prabhat, et al.
Veröffentlicht: (2024)

General surgery vision transformer: A video pre-trained foundation model for general surgery
von: Schmidgall, Samuel, et al.
Veröffentlicht: (2024)

Large-scale unsupervised audio pre-training for video-to-speech synthesis
von: Kefalas, Triantafyllos, et al.
Veröffentlicht: (2023)

Review of multimodal machine learning approaches in healthcare
von: Krones, Felix, et al.
Veröffentlicht: (2024)

GD doesn't make the cut: Three ways that non-differentiability affects neural network training
von: Kumar, Siddharth Krishna
Veröffentlicht: (2024)

How Does the Spatial Distribution of Pre-training Data Affect Geospatial Foundation Models?
von: Purohit, Mirali, et al.
Veröffentlicht: (2025)

Significantly improving zero-shot X-ray pathology classification via fine-tuning pre-trained image-text encoders
von: Jang, Jongseong, et al.
Veröffentlicht: (2022)

Online pre-training with long-form videos
von: Kato, Itsuki, et al.
Veröffentlicht: (2024)

CromSS: Cross-modal pre-training with noisy labels for remote sensing image segmentation
von: Liu, Chenying, et al.
Veröffentlicht: (2024)

Diff-Instruct: A Universal Approach for Transferring Knowledge From Pre-trained Diffusion Models
von: Luo, Weijian, et al.
Veröffentlicht: (2023)

A generalised pre-training strategy for deep learning networks in semantic segmentation of remotely sensed images
von: Fang, Yuan, et al.
Veröffentlicht: (2026)

Anatomical grounding pre-training for medical phrase grounding
von: Zhang, Wenjun, et al.
Veröffentlicht: (2025)

How to train your ViT for OOD Detection
von: Mueller, Maximilian, et al.
Veröffentlicht: (2024)

Split Adaptation for Pre-trained Vision Transformers
von: Wang, Lixu, et al.
Veröffentlicht: (2025)

Feature Unlearning for Pre-trained GANs and VAEs
von: Moon, Saemi, et al.
Veröffentlicht: (2023)

More performant and scalable: Rethinking contrastive vision-language pre-training of radiology in the LLM era
von: Li, Yingtai, et al.
Veröffentlicht: (2025)

Unified Latents (UL): How to train your latents
von: Heek, Jonathan, et al.
Veröffentlicht: (2026)

FedPOD: the deployable units of training for federated learning
von: Kim, Daewoon, et al.
Veröffentlicht: (2025)

Multimodal Autoregressive Pre-training of Large Vision Encoders
von: Fini, Enrico, et al.
Veröffentlicht: (2024)

Progressive Local Alignment for Medical Multimodal Pre-training
von: Yan, Huimin, et al.
Veröffentlicht: (2025)

PQD: Post-training Quantization for Efficient Diffusion Models
von: Ye, Jiaojiao, et al.
Veröffentlicht: (2024)

Epistemic Uncertainty Quantification For Pre-trained Neural Network
von: Wang, Hanjing, et al.
Veröffentlicht: (2024)

G2D: From Global to Dense Radiography Representation Learning via Vision-Language Pre-training
von: Liu, Che, et al.
Veröffentlicht: (2023)

Contrastive ground-level image and remote sensing pre-training improves representation learning for natural world imagery
von: Huynh, Andy V., et al.
Veröffentlicht: (2024)

Efficient training for compact compression models via sequential distillation
von: Rodrigues, Caroline Mazini, et al.
Veröffentlicht: (2026)

Anatomically-guided masked autoencoder pre-training for aneurysm detection
von: Ceballos-Arroyo, Alberto Mario, et al.
Veröffentlicht: (2025)

MGI: Multimodal Contrastive pre-training of Genomic and Medical Imaging
von: Zhou, Jiaying, et al.
Veröffentlicht: (2024)

Exploring bidirectional bounds for minimax-training of Energy-based models
von: Geng, Cong, et al.
Veröffentlicht: (2025)

Realistic Continual Learning Approach using Pre-trained Models
von: Nasri, Nadia, et al.
Veröffentlicht: (2024)

Divide and not forget: Ensemble of selectively trained experts in Continual Learning
von: Rypeść, Grzegorz, et al.
Veröffentlicht: (2024)

Resilient Contrastive Pre-training under Non-Stationary Drift
von: Yang, Xiaoyu, et al.
Veröffentlicht: (2025)

Pre-trained Visual Dynamics Representations for Efficient Policy Learning
von: Luo, Hao, et al.
Veröffentlicht: (2024)

Do Pre-trained Models Benefit Equally in Continual Learning?
von: Lee, Kuan-Ying, et al.
Veröffentlicht: (2022)

Space Syntax-guided Post-training for Residential Floor Plan Generation
von: Jiang, Zhuoyang, et al.
Veröffentlicht: (2026)