Skip to main content

canvit-active-vision-foundation-model

Establishes Active-Vision Foundation Models (AVFM) as a new problem class and proposes CanViT: a retinotopic ViT backbone with Canvas Attention that decouples thinking (glimpse processing) from memory (scene canvas). Dense latent distillation from DINOv3 enables unsupervised pretraining on 1B random glimpses. Achieves 81.2% ImageNet accuracy with frozen probes—proving foundation models can be adapted to active-vision tasks. Trigger: When building systems requiring selective visual attention to scenes (robotics, surveillance, embodied AI), apply the active-vision paradigm with retinotopic architecture and canvas memory to scale beyond single-glimpse models.

الانتقال إلى التثبيت

معلومات المصدر

المستودع
ADu2021/skillXiv
آخر نشاط في المصدر
٢٦ مارس ٢٠٢٦ في ٠٥:٢٢
لغة SKILL.md المكتشفة
الإنجليزية
النجوم
٦
التفرعات
٠

خيارات التثبيت

يُحدَّد Prompt الذي يراجع المصدر أولًا بشكل افتراضي. يمكنك التبديل إلى أمر مباشر أو تنزيل نسخة محلية.

مراجعة ملفات المصدر

اقرأ SKILL.md وأي ملفات مرافقة يعرضها SkillsMP قبل أن تقرر التثبيت.