GiVE: Guiding Visual Encoder to Perceive Overlooked Information
专题命中 VLM训练与架构 :visual question answering(abstract);multimodal large language model(abstract);分类 cs.CV、cs.AI
Comments This paper was accepted by ICME 2025
AI 大模型
视觉语言模型、视觉推理、视觉问答、图文理解和视觉 grounding。
专题命中 VLM训练与架构 :visual question answering(abstract);multimodal large language model(abstract);分类 cs.CV、cs.AI
Comments This paper was accepted by ICME 2025
专题命中 VLM训练与架构 :vision-language model(abstract);VLM(abstract);分类 cs.CV、cs.AI
Comments 25 pages, 7 figures
专题命中 VLM训练与架构 :InternVL(abstract);multimodal large language model(abstract);分类 cs.CV、cs.AI
专题命中 VLM训练与架构 :vision-language model(abstract);LLaVA(abstract);分类 cs.CV、cs.AI
Comments Technical Report
专题命中 VLM训练与架构 :vision language model(abstract);VLM(abstract);分类 cs.CV、cs.LG
Comments Published in the Computational and Structural Biotechnology Journal
专题命中 VLM训练与架构 :VLM(abstract);LLaVA(abstract);分类 cs.CV、cs.AI
专题命中 VLM训练与架构 :visual language model(abstract);LLaVA(abstract);分类 cs.CV、cs.AI
专题命中 VLM训练与架构 :multimodal large language model(abstract);MLLM(abstract);分类 cs.AI、cs.LG
Comments 37 pages, 10 figures
专题命中 VLM训练与架构 :vision-language model(abstract);VLM(abstract);分类 cs.AI、cs.LG
专题命中 VLM训练与架构 :LLaVA(abstract);multimodal large language model(abstract);分类 cs.CV、cs.LG
Comments arXiv admin note: text overlap with arXiv:2403.09766
专题命中 VLM训练与架构 :vision language model(abstract);VLM(abstract);分类 cs.CV、cs.AI
专题命中 VLM训练与架构 :vision-language model(abstract);grounding(abstract);分类 cs.AI、cs.LG
Comments NAACL 2025 Main
专题命中 VLM训练与架构 :multimodal large language model(abstract);MLLM(abstract);分类 cs.AI、cs.LG
专题命中 VLM训练与架构 :vision-language model(abstract);VLM(abstract);分类 cs.CV、cs.LG
专题命中 VLM训练与架构 :vision language model(abstract);VLM(abstract);分类 cs.CV、cs.LG
专题命中 VLM训练与架构 :multimodal large language model(abstract);MLLM(abstract);分类 cs.CV、cs.AI
专题命中 VLM训练与架构 :LLaVA(abstract);InternVL(abstract);分类 cs.CV、cs.AI
专题命中 VLM训练与架构 :visual question answering(abstract);multimodal large language model(abstract);分类 cs.CV、cs.AI
Comments 10 pages, 5 figures,3 tables
专题命中 VLM训练与架构 :vision-language model(abstract);VLM(abstract);分类 cs.CV、cs.AI
专题命中 VLM训练与架构 :LLaVA(abstract);multimodal large language model(abstract);分类 cs.CV、cs.AI
Comments 5 pages, 9 figures, 3 tables, submitted to ISBI 2025
专题命中 VLM训练与架构 :vision-language model(abstract);VLM(abstract);分类 cs.CV、cs.LG
专题命中 VLM训练与架构 :vision-language model(abstract);VLM(abstract);分类 cs.CV、cs.AI
Comments NeurIPS 2024 Spotlight
专题命中 VLM训练与架构 :multimodal large language model(abstract);MLLM(abstract);分类 cs.CV、cs.AI
专题命中 VLM训练与架构 :visual question answering(abstract);multimodal large language model(abstract);分类 cs.CV、cs.AI
专题命中 VLM训练与架构 :LLaVA(abstract);MLLM(abstract);分类 cs.AI、cs.LG
专题命中 VLM训练与架构 :multimodal large language model(abstract);MLLM(abstract);分类 cs.AI、cs.LG
Comments CIKM 2024
专题命中 VLM训练与架构 :vision-language model(abstract);VLM(abstract);分类 cs.CV、cs.AI
Comments Accepted by ECCV2024
专题命中 VLM训练与架构 :visual question answering(abstract);multimodal large language model(abstract);分类 cs.CV、cs.LG
专题命中 VLM训练与架构 :vision language model(abstract);LLaVA(abstract);分类 cs.AI、cs.LG
Comments accepted to the MICCAI 2024 Second International Workshop on Foundation Models for General Medical AI
专题命中 VLM训练与架构 :multimodal large language model(abstract);MLLM(abstract);分类 cs.CV、cs.AI
Comments ECCV 2024. Project: https://weihaox.github.io/UMBRAE