Résultats de la recherche - Han, Jiaming

Multimodal Long Video Modeling Based on Temporal Dynamic Context par Hao, Haoran, Han, Jiaming, Zhang, Yiyuan, Yue, Xiangyu

Accéder au texte intégral

GIDE: Unlocking Diffusion LLMs for Precise Training-Free Image Editing par Zhu, Zifeng, Han, Jiaming, Zhao, Jiaxiang, Luo, Minnan, Yue, Xiangyu

Accéder au texte intégral

RAP: Retrieval-Augmented Personalization for Multimodal Large Language Models par Hao, Haoran, Han, Jiaming, Li, Changsheng, Li, Yu-Feng, Yue, Xiangyu

Accéder au texte intégral

Reflective Planning: Vision-Language Models for Multi-Stage Long-Horizon Robotic Manipulation par Feng, Yunhai, Han, Jiaming, Yang, Zhuoran, Yue, Xiangyu, Levine, Sergey, Luo, Jianlan

Accéder au texte intégral

ScreenCoder: Advancing Visual-to-Code Generation for Front-End Automation via Modular Multimodal Agents par Jiang, Yilei, Zheng, Yaozhi, Wan, Yuxuan, Han, Jiaming, Wang, Qunzhong, Lyu, Michael R., Yue, Xiangyu

Accéder au texte intégral

CrossLMM: Decoupling Long Video Sequences from LMMs via Dual Cross-Attention Mechanisms par Yan, Shilin, Han, Jiaming, Tsai, Joey, Xue, Hongwei, Fang, Rongyao, Hong, Lingyi, Guo, Ziyu, Zhang, Ray

Accéder au texte intégral

OneLLM: One Framework to Align All Modalities with Language par Han, Jiaming, Gong, Kaixiong, Zhang, Yiyuan, Wang, Jiaqi, Zhang, Kaipeng, Lin, Dahua, Qiao, Yu, Gao, Peng, Yue, Xiangyu

Accéder au texte intégral

Vision as a Dialect: Unifying Visual Understanding and Generation via Text-Aligned Representations par Han, Jiaming, Chen, Hao, Zhao, Yang, Wang, Hanyu, Zhao, Qi, Yang, Ziyan, He, Hao, Yue, Xiangyu, Jiang, Lu

Accéder au texte intégral

Growing Visual Generative Capacity for Pre-Trained MLLMs par Wang, Hanyu, Han, Jiaming, Yang, Ziyan, Zhao, Qi, Lin, Shanchuan, Yue, Xiangyu, Shrivastava, Abhinav, Yang, Zhenheng, Chen, Hao

Accéder au texte intégral

Auto-Rubric as Reward: From Implicit Preferences to Explicit Multimodal Generative Criteria par Tian, Juanxi, Liu, Fengyuan, Han, Jiaming, Jiang, Yilei, Wu, Yongliang, Liu, Yesheng, Li, Haodong, Xu, Furong, Li, Wanhua

Accéder au texte intégral

LLaMA-Adapter: Efficient Fine-tuning of Language Models with Zero-init Attention par Zhang, Renrui, Han, Jiaming, Liu, Chris, Gao, Peng, Zhou, Aojun, Hu, Xiangfei, Yan, Shilin, Lu, Pan, Li, Hongsheng, Qiao, Yu

Accéder au texte intégral

ConceptGuard: Proactive Safety in Text-and-Image-to-Video Generation through Multimodal Risk Detection par Ma, Ruize, Cai, Minghong, Jiang, Yilei, Han, Jiaming, Feng, Yi, Tan, Yingshui, Zhu, Xiaoyong, Zhang, Bo, Zheng, Bo, Yue, Xiangyu

Accéder au texte intégral

Cubic Discrete Diffusion: Discrete Visual Generation on High-Dimensional Representation Tokens par Wang, Yuqing, Ma, Chuofan, Lin, Zhijie, Teng, Yao, Yu, Lijun, Wang, Shuai, Han, Jiaming, Feng, Jiashi, Jiang, Yi, Liu, Xihui

Accéder au texte intégral

BitLM: Unlocking Multi-Token Language Generation with Bitwise Continuous Diffusion par Zhuang, Shaobin, Ai, Yuang, Han, Jiaming, Li, Xiaohui, Huang, Huaibo, Yue, Xiangyu, Hu, Xuefeng, Xu, Kun, Wang, Yali, Chen, Hao

Accéder au texte intégral

AV-Odyssey Bench: Can Your Multimodal LLMs Really Understand Audio-Visual Information? par Gong, Kaixiong, Feng, Kaituo, Li, Bohao, Wang, Yibing, Cheng, Mofan, Yang, Shijia, Han, Jiaming, Wang, Benyou, Bai, Yutong, Yang, Zhuoran, Yue, Xiangyu

Accéder au texte intégral

BitDance: Scaling Autoregressive Generative Models with Binary Tokens par Ai, Yuang, Han, Jiaming, Zhuang, Shaobin, Mao, Weijia, Hu, Xuefeng, Yang, Ziyan, Yang, Zhenheng, Wang, Yali, Huang, Huaibo, Yue, Xiangyu, Chen, Hao

Accéder au texte intégral

OpenGame: Open Agentic Coding for Games par Jiang, Yilei, Hu, Jinyuan, Xiao, Qianyin, Zheng, Yaozhi, Ma, Ruize, Feng, Kaituo, Han, Jiaming, Peng, Tianshuo, Fan, Kaixuan, Zhang, Manyuan, Yue, Xiangyu

Accéder au texte intégral

LC-ERD: Mining Latent Logic for Self-Evolving Reasoning via Consistency-Regulated Reward Decomposition par Chen, Yanyu, Jiang, Jiyue, Yu, Dianzhi, Wu, Zheng, Liu, Jiahong, Han, Jiaming, Guo, Xiao, Qi, Jinhu, Li, Yu, Zhang, Yifei, King, Irwin

Accéder au texte intégral

UniWeTok: An Unified Binary Tokenizer with Codebook Size $\mathit{2^{128}}$ for Unified Multimodal Large Language Model par Zhuang, Shaobin, Ai, Yuang, Han, Jiaming, Mao, Weijia, Li, Xiaohui, Wang, Fangyikang, Wang, Xiao, Li, Yan, Lin, Shanchuan, Xu, Kun, Yang, Zhenheng, Huang, Huaibo, Yue, Xiangyu, Chen, Hao, Wang, Yali

Accéder au texte intégral