Small Vision-Language Models: A Survey on Compact Architectures and Techniques
专题命中 图文多模态 :multimodal(abstract);分类 cs.CV、cs.CL、cs.AI
AI 大模型
跨文本、图像、视频、音频等模态的大模型与学习方法。
专题命中 图文多模态 :multimodal(abstract);分类 cs.CV、cs.CL、cs.AI
专题命中 图文多模态 :multimodal(abstract);分类 cs.CV、cs.CL、cs.AI
Comments 8 pages, 15 images
专题命中 图文多模态 :multimodal(abstract);分类 cs.CV、cs.CL、cs.AI
Comments Accepted by CVPR 2025
专题命中 图文多模态 :multi-modal(abstract);分类 cs.CV、cs.CL、cs.AI
Comments This work has been accepted to NAACL 2025
专题命中 图文多模态 :image-text(abstract);分类 cs.CV、cs.CL、cs.AI
专题命中 图文多模态 :multimodal(abstract);分类 cs.CV、cs.CL、cs.AI
Comments NAACL 2025 Findings
专题命中 图文多模态 :multimodal(abstract);分类 cs.CV、cs.CL、cs.AI
Comments 28 pages, 3 figures
专题命中 图文多模态 :image-text(abstract);分类 cs.CV、cs.CL、cs.AI
Comments ICLR 2025. Project page: https://physbench.github.io/ Dataset: https://huggingface.co/datasets/USC-GVL/PhysBench
专题命中 图文多模态 :multimodal(abstract);分类 cs.CV、cs.CL、cs.AI
专题命中 图文多模态 :multimodal(abstract);分类 cs.CV、cs.CL、cs.AI
Comments Transactions on Machine Learning Research, 2025
专题命中 图文多模态 :multimodal(abstract);MLLM(abstract)
专题命中 图文多模态 :multimodal(abstract);分类 cs.CV、cs.CL、cs.AI
Comments Technical report; 26 pages
专题命中 图文多模态 :multimodal(abstract);分类 cs.CV、cs.CL、cs.AI
专题命中 图文多模态 :image-text(abstract);分类 cs.CV、cs.CL、cs.AI
Comments ACL 2023 Outstanding Paper
专题命中 图文多模态 :multimodal(abstract);分类 cs.CV、cs.CL、cs.AI
专题命中 图文多模态 :multi-modal(abstract);分类 cs.CV、cs.CL、cs.AI
Comments NeurIPS 2024
专题命中 图文多模态 :multimodal(abstract);分类 cs.CV、cs.CL、cs.AI
专题命中 图文多模态 :image-text(abstract);分类 cs.CV、cs.CL、cs.AI
专题命中 图文多模态 :multimodal(abstract);分类 cs.CV、cs.CL、cs.AI
专题命中 图文多模态 :multimodal(abstract);分类 cs.CV、cs.CL、cs.AI
Comments Code available at: https://github.com/AlaaLab/Dr-LLaVA
专题命中 图文多模态 :multimodal(abstract);分类 cs.CV、cs.CL、cs.AI
Comments Code is available at https://github.com/QwenLM/Qwen2-VL. arXiv admin note: text overlap with arXiv:2408.15262 by other authors
专题命中 图文多模态 :image-text(abstract);分类 cs.CV、cs.CL、cs.AI
Comments 15 pages, 10 Figures, 5 Tables. Accepted for Oral Presentation at Irish Machine Vision and Image Processing Conference Proceedings (IMVIP), 2024
专题命中 图文多模态 :image-text(abstract);分类 cs.CV、cs.CL、cs.AI
Comments Accepted to EMNLP 2024
专题命中 图文多模态 :multimodal(abstract);分类 cs.CV、cs.CL、cs.AI
Comments Accepted at Artificial Intelligence, Ethics, and Society 2024
专题命中 图文多模态 :multimodal(abstract);分类 cs.CV、cs.CL、cs.AI
专题命中 图文多模态 :image-text(abstract);分类 cs.CV、cs.AI、cs.MM
Comments Accepted by ACMMM 2023
专题命中 图文多模态 :image-text(abstract);分类 cs.CV、cs.AI、cs.MM
Comments To appear in ECCV 2024
专题命中 图文多模态 :image-text(abstract);分类 cs.CV、cs.CL、cs.AI
Comments 9 main pages and 19 pages of supplemental material; 3 main tables, 3 main figures and 11 supplemental tables, 7 supplemental figures
专题命中 图文多模态 :multimodal(abstract);分类 cs.CV、cs.CL、cs.AI
Comments 4 pages, MFM-EAI@ICML2024
专题命中 图文多模态 :image-text(abstract);分类 cs.CV、cs.CL、cs.AI
Comments Medical Imaging with Deep Learning (MIDL) 2024 (Oral)