Buchumschlag

LanguageBind: Extending Video-Language Pretraining to N-modality by Language-based Semantic Alignment

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhu, Bin, Lin, Bin, Ning, Munan, Yan, Yang, Cui, Jiaxi, Wang, HongFa, Pang, Yatian, Jiang, Wenhao, Zhang, Junwu, Li, Zongwei, Zhang, Wancai, Li, Zhifeng, Liu, Wei, Yuan, Li
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

MoE-LLaVA: Mixture of Experts for Large Vision-Language Models
von: Lin, Bin, et al.
Veröffentlicht: (2024)

Video-LLaVA: Learning United Visual Representation by Alignment Before Projection
von: Lin, Bin, et al.
Veröffentlicht: (2023)

Chatlaw: A Multi-Agent Collaborative Legal Assistant with Knowledge Graph Enhanced Mixture-of-Experts Large Language Model
von: Cui, Jiaxi, et al.
Veröffentlicht: (2023)

Chat-UniVi: Unified Visual Representation Empowers Large Language Models with Image and Video Understanding
von: Jin, Peng, et al.
Veröffentlicht: (2023)

Cycle3D: High-quality and Consistent Image-to-3D Generation via Generation-Reconstruction Cycle
von: Tang, Zhenyu, et al.
Veröffentlicht: (2024)

Temporal Entailment Pretraining for Clinical Language Models over EHR Data
von: Tanaka, Tatsunori, et al.
Veröffentlicht: (2025)

LLMBind: A Unified Modality-Task Integration Framework
von: Zhu, Bin, et al.
Veröffentlicht: (2024)

Simulation of Language Evolution under Regulated Social Media Platforms: A Synergistic Approach of Large Language Models and Genetic Algorithms
von: Cai, Jinyu, et al.
Veröffentlicht: (2025)

SwapAnyone: Consistent and Realistic Video Synthesis for Swapping Any Person into Any Video
von: Zhao, Chengshu, et al.
Veröffentlicht: (2025)

Moral Reasoning Across Languages: The Critical Role of Low-Resource Languages in LLMs
von: Zhou, Huichi, et al.
Veröffentlicht: (2025)

MolBind: Multimodal Alignment of Language, Molecules, and Proteins
von: Xiao, Teng, et al.
Veröffentlicht: (2024)

AlignGPT: Multi-modal Large Language Models with Adaptive Alignment Capability
von: Zhao, Fei, et al.
Veröffentlicht: (2024)

Unleashing Vision-Language Semantics for Deepfake Video Detection
von: Zhu, Jiawen, et al.
Veröffentlicht: (2026)

A Systematic Survey of Semantic Role Labeling in the Era of Pretrained Language Models
von: Chen, Huiyao, et al.
Veröffentlicht: (2025)

WISE: A World Knowledge-Informed Semantic Evaluation for Text-to-Image Generation
von: Niu, Yuwei, et al.
Veröffentlicht: (2025)

Object-centric Binding in Contrastive Language-Image Pretraining
von: Assouel, Rim, et al.
Veröffentlicht: (2025)

Language Evolution for Evading Social Media Regulation via LLM-based Multi-agent Simulation
von: Cai, Jinyu, et al.
Veröffentlicht: (2024)

Do Multimodal Language Models Really Understand Direction? A Benchmark for Compass Direction Reasoning
von: Yin, Hang, et al.
Veröffentlicht: (2024)

TOPA: Extending Large Language Models for Video Understanding via Text-Only Pre-Alignment
von: Li, Wei, et al.
Veröffentlicht: (2024)

Unveiling Deep Semantic Uncertainty Perception for Language-Anchored Multi-modal Vision-Brain Alignment
von: Feng, Zehui, et al.
Veröffentlicht: (2025)

MdaIF: Robust One-Stop Multi-Degradation-Aware Image Fusion with Language-Driven Semantics
von: Li, Jing, et al.
Veröffentlicht: (2025)

LLMER: Crafting Interactive Extended Reality Worlds with JSON Data Generated by Large Language Models
von: Chen, Jiangong, et al.
Veröffentlicht: (2025)

Efficient Multi-modal Large Language Models via Progressive Consistency Distillation
von: Wen, Zichen, et al.
Veröffentlicht: (2025)

Enhancing Coreference Resolution with Pretrained Language Models: Bridging the Gap Between Syntax and Semantics
von: Liu, Xingzu, et al.
Veröffentlicht: (2025)

InfoCLIP: Bridging Vision-Language Pretraining and Open-Vocabulary Semantic Segmentation via Information-Theoretic Alignment Transfer
von: Yuan, Muyao, et al.
Veröffentlicht: (2025)

SLIP: Structural-aware Language-Image Pretraining for Vision-Language Alignment
von: Lu, Wenbo
Veröffentlicht: (2025)

Enhance Vision-Language Alignment with Noise
von: Huang, Sida, et al.
Veröffentlicht: (2024)

MASS: Mathematical Data Selection via Skill Graphs for Pretraining Large Language Models
von: Li, Jiazheng, et al.
Veröffentlicht: (2025)

SpikeCLIP: A Contrastive Language-Image Pretrained Spiking Neural Network
von: Lv, Changze, et al.
Veröffentlicht: (2023)

LASA: Language-Agnostic Semantic Alignment at the Semantic Bottleneck for LLM Safety
von: Yang, Junxiao, et al.
Veröffentlicht: (2026)

Semantics-enhanced Cross-modal Masked Image Modeling for Vision-Language Pre-training
von: Liu, Haowei, et al.
Veröffentlicht: (2024)

Towards Fine-Grained Vision-Language Alignment for Few-Shot Anomaly Detection
von: Fan, Yuanting, et al.
Veröffentlicht: (2025)

Semantic Alignment for Multimodal Large Language Models
von: Wu, Tao, et al.
Veröffentlicht: (2024)

Multi-modal Preference Alignment Remedies Degradation of Visual Instruction Tuning on Language Models
von: Li, Shengzhi, et al.
Veröffentlicht: (2024)

UPME: An Unsupervised Peer Review Framework for Multimodal Large Language Model Evaluation
von: Zhang, Qihui, et al.
Veröffentlicht: (2025)

Visual Language Model based Cross-modal Semantic Communication Systems
von: Jiang, Feibo, et al.
Veröffentlicht: (2024)

KELPS: A Framework for Verified Multi-Language Autoformalization via Semantic-Syntactic Alignment
von: Zhang, Jiyao, et al.
Veröffentlicht: (2025)

DV-VLN: Dual Verification for Reliable LLM-Based Vision-and-Language Navigation
von: Li, Zijun, et al.
Veröffentlicht: (2026)

CPCLDETECTOR: Knowledge Enhancement and Alignment Selection for Chinese Patronizing and Condescending Language Detection
von: Yang, Jiaxun, et al.
Veröffentlicht: (2025)

Set the Clock: Temporal Alignment of Pretrained Language Models
von: Zhao, Bowen, et al.
Veröffentlicht: (2024)