Buchumschlag

Training-Free Fine-Grained Semantic Segmentations in Low Data Regimes: A FungiTastic Baseline

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Cavada, Sebastian, Pelosin, Francesco, Faggi, Lapo
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

FungiTastic: A multi-modal dataset and benchmark for image categorization
von: Picek, Lukas, et al.
Veröffentlicht: (2024)

Bounding Box-Guided Diffusion for Synthesizing Industrial Images and Segmentation Map
von: Caruso, Emanuele, et al.
Veröffentlicht: (2025)

Dynamic Label Injection for Imbalanced Industrial Defect Segmentation
von: Caruso, Emanuele, et al.
Veröffentlicht: (2024)

Extract More from Less: Efficient Fine-Grained Visual Recognition in Low-Data Regimes
von: Demidov, Dmitry, et al.
Veröffentlicht: (2024)

Leveraging Semantic Segmentation Masks with Embeddings for Fine-Grained Form Classification
von: Archibald, Taylor, et al.
Veröffentlicht: (2024)

Training-Free Semantic Segmentation via LLM-Supervision
von: Sun, Wenfang, et al.
Veröffentlicht: (2024)

Fine-Grained Classification for Poisonous Fungi Identification with Transfer Learning
von: Chiu, Christopher, et al.
Veröffentlicht: (2024)

FGAseg: Fine-Grained Pixel-Text Alignment for Open-Vocabulary Semantic Segmentation
von: Li, Bingyu, et al.
Veröffentlicht: (2025)

PEARL: Geometry Aligns Semantics for Training-Free Open-Vocabulary Semantic Segmentation
von: Pei, Gensheng, et al.
Veröffentlicht: (2026)

SegRAG: Training-Free Retrieval-Augmented Semantic Segmentation
von: Boudiaf, Abderrahmene, et al.
Veröffentlicht: (2026)

Training-Free Class Purification for Open-Vocabulary Semantic Segmentation
von: Chen, Qi, et al.
Veröffentlicht: (2025)

Direct Segmentation without Logits Optimization for Training-Free Open-Vocabulary Semantic Segmentation
von: Li, Jiahao, et al.
Veröffentlicht: (2026)

Explore the Potential of CLIP for Training-Free Open Vocabulary Semantic Segmentation
von: Shao, Tong, et al.
Veröffentlicht: (2024)

Faster Training, Fewer Labels: Self-Supervised Pretraining for Fine-Grained BEV Segmentation
von: Busch, Daniel, et al.
Veröffentlicht: (2026)

Enhancing Fine-Grained Visual Recognition in the Low-Data Regime Through Feature Magnitude Regularization
von: Chapman, Avraham, et al.
Veröffentlicht: (2024)

A Training-free Synthetic Data Selection Method for Semantic Segmentation
von: Tang, Hao, et al.
Veröffentlicht: (2025)

Improving Visual Discriminability of CLIP for Training-Free Open-Vocabulary Semantic Segmentation
von: Zhou, Jinxin, et al.
Veröffentlicht: (2025)

Pay Attention to Your Neighbours: Training-Free Open-Vocabulary Semantic Segmentation
von: Hajimiri, Sina, et al.
Veröffentlicht: (2024)

ITACLIP: Boosting Training-Free Semantic Segmentation with Image, Text, and Architectural Enhancements
von: Aydın, M. Arda, et al.
Veröffentlicht: (2024)

Training-Free Semantic Multi-Object Tracking with Vision-Language Models
von: Bonat, Laurence, et al.
Veröffentlicht: (2026)

A Framework for Low-Effort Training Data Generation for Urban Semantic Segmentation
von: Zavadski, Denis, et al.
Veröffentlicht: (2025)

ChatDiT: A Training-Free Baseline for Task-Agnostic Free-Form Chatting with Diffusion Transformers
von: Huang, Lianghua, et al.
Veröffentlicht: (2024)

DUCK: Distance-based Unlearning via Centroid Kinematics
von: Cotogni, Marco, et al.
Veröffentlicht: (2023)

HS3-Bench: A Benchmark and Strong Baseline for Hyperspectral Semantic Segmentation in Driving Scenarios
von: Theisen, Nick, et al.
Veröffentlicht: (2024)

BoundarySeg:An Embarrassingly Simple Method To Boost Medical Image Segmentation Performance for Low Data Regimes
von: Kataria, Tushar, et al.
Veröffentlicht: (2025)

Dynamic Scoring with Enhanced Semantics for Training-Free Human-Object Interaction Detection
von: Tonini, Francesco, et al.
Veröffentlicht: (2025)

Transfer Learning and Mixup for Fine-Grained Few-Shot Fungi Classification
von: Tam, Jason Kahei, et al.
Veröffentlicht: (2025)

Wildfire Spread Scenarios: Increasing Sample Diversity of Segmentation Diffusion Models with Training-Free Methods
von: Gerard, Sebastian, et al.
Veröffentlicht: (2026)

MedSAMix: A Training-Free Model Merging Approach for Medical Image Segmentation
von: Yang, Yanwu, et al.
Veröffentlicht: (2025)

ModuSeg: Decoupling Object Discovery and Semantic Retrieval for Training-Free Weakly Supervised Segmentation
von: He, Qingze, et al.
Veröffentlicht: (2026)

SAILS: Segment Anything with Incrementally Learned Semantics for Task-Invariant and Training-Free Continual Learning
von: Muralidhara, Shishir, et al.
Veröffentlicht: (2026)

Seeing the Whole Picture: Distribution-Guided Data-Free Distillation for Semantic Segmentation
von: Sun, Hongxuan, et al.
Veröffentlicht: (2025)

Combining Boundary Supervision and Segment-Level Regularization for Fine-Grained Action Segmentation
von: Mitsuoka, Hinako, et al.
Veröffentlicht: (2026)

DyFo: A Training-Free Dynamic Focus Visual Search for Enhancing LMMs in Fine-Grained Visual Understanding
von: Li, Geng, et al.
Veröffentlicht: (2025)

DA-SegFormer: Damage-Aware Semantic Segmentation for Fine-Grained Disaster Assessment
von: Zhu, Kevin, et al.
Veröffentlicht: (2026)

MacFormer: Semantic Segmentation with Fine Object Boundaries
von: Xu, Guoan, et al.
Veröffentlicht: (2024)

ReME: A Data-Centric Framework for Training-Free Open-Vocabulary Segmentation
von: Xuan, Xiwei, et al.
Veröffentlicht: (2025)

NAVERO: Unlocking Fine-Grained Semantics for Video-Language Compositionality
von: Tao, Chaofan, et al.
Veröffentlicht: (2024)

Skeleton-Guided Instance Separation for Fine-Grained Segmentation in Microscopy
von: Wang, Jun, et al.
Veröffentlicht: (2024)

GenQ: Quantization in Low Data Regimes with Generative Synthetic Data
von: Li, Yuhang, et al.
Veröffentlicht: (2023)