Beyond Sole Strength: Customized Ensembles for Generalized Vision-Language Models
Fuente:
arXiv
Salvato in:
| Autori principali: | Lu, Zhihe, Bai, Jiawang, Li, Xin, Xiao, Zeyu, Wang, Xinchao |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2023
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Parameter-Efficient and Memory-Efficient Tuning for Vision Transformer: A Disentangled Approach
di: Zhang, Taolin, et al.
Pubblicazione: (2024)
di: Zhang, Taolin, et al.
Pubblicazione: (2024)
Dual-Path Adversarial Lifting for Domain Shift Correction in Online Test-time Adaptation
di: Tang, Yushun, et al.
Pubblicazione: (2024)
di: Tang, Yushun, et al.
Pubblicazione: (2024)
Anatomy of a Lie: A Multi-Stage Diagnostic Framework for Tracing Hallucinations in Vision-Language Models
di: Xiong, Lexiang, et al.
Pubblicazione: (2026)
di: Xiong, Lexiang, et al.
Pubblicazione: (2026)
Language Model as Visual Explainer
di: Yang, Xingyi, et al.
Pubblicazione: (2024)
di: Yang, Xingyi, et al.
Pubblicazione: (2024)
Descriminative-Generative Custom Tokens for Vision-Language Models
di: Perera, Pramuditha, et al.
Pubblicazione: (2025)
di: Perera, Pramuditha, et al.
Pubblicazione: (2025)
Mitigating Hallucinations in Large Vision-Language Models via DPO: On-Policy Data Hold the Key
di: Yang, Zhihe, et al.
Pubblicazione: (2025)
di: Yang, Zhihe, et al.
Pubblicazione: (2025)
Attention Prompting on Image for Large Vision-Language Models
di: Yu, Runpeng, et al.
Pubblicazione: (2024)
di: Yu, Runpeng, et al.
Pubblicazione: (2024)
Simulated Ensemble Attack: Transferring Jailbreaks Across Fine-tuned Vision-Language Models
di: Wang, Ruofan, et al.
Pubblicazione: (2025)
di: Wang, Ruofan, et al.
Pubblicazione: (2025)
StrengthSense: A Dataset of IMU Signals Capturing Everyday Strength-Demanding Activities
di: Yang, Zeyu, et al.
Pubblicazione: (2025)
di: Yang, Zeyu, et al.
Pubblicazione: (2025)
Adversarial Robustness for Visual Grounding of Multimodal Large Language Models
di: Gao, Kuofeng, et al.
Pubblicazione: (2024)
di: Gao, Kuofeng, et al.
Pubblicazione: (2024)
DreamRelation: Bridging Customization and Relation Generation
di: Shi, Qingyu, et al.
Pubblicazione: (2024)
di: Shi, Qingyu, et al.
Pubblicazione: (2024)
Cluster-Aware Prompt Ensemble Learning for Few-Shot Vision-Language Model Adaptation
di: Chen, Zhi, et al.
Pubblicazione: (2025)
di: Chen, Zhi, et al.
Pubblicazione: (2025)
Using Interleaved Ensemble Unlearning to Keep Backdoors at Bay for Finetuning Vision Transformers
di: Li, Zeyu Michael
Pubblicazione: (2024)
di: Li, Zeyu Michael
Pubblicazione: (2024)
Compositional Video Generation as Flow Equalization
di: Yang, Xingyi, et al.
Pubblicazione: (2024)
di: Yang, Xingyi, et al.
Pubblicazione: (2024)
FiT: Flexible Vision Transformer for Diffusion Model
di: Lu, Zeyu, et al.
Pubblicazione: (2024)
di: Lu, Zeyu, et al.
Pubblicazione: (2024)
Dimple: Discrete Diffusion Multimodal Large Language Model with Parallel Decoding
di: Yu, Runpeng, et al.
Pubblicazione: (2025)
di: Yu, Runpeng, et al.
Pubblicazione: (2025)
Hash3D: Training-free Acceleration for 3D Generation
di: Yang, Xingyi, et al.
Pubblicazione: (2024)
di: Yang, Xingyi, et al.
Pubblicazione: (2024)
Seeing Beyond the Scene: Enhancing Vision-Language Models with Interactional Reasoning
di: Liang, Dayong, et al.
Pubblicazione: (2025)
di: Liang, Dayong, et al.
Pubblicazione: (2025)
CustomTTT: Motion and Appearance Customized Video Generation via Test-Time Training
di: Bi, Xiuli, et al.
Pubblicazione: (2024)
di: Bi, Xiuli, et al.
Pubblicazione: (2024)
NoLan: Mitigating Object Hallucinations in Large Vision-Language Models via Dynamic Suppression of Language Priors
di: Ren, Lingfeng, et al.
Pubblicazione: (2026)
di: Ren, Lingfeng, et al.
Pubblicazione: (2026)
Multimodal Large Language Models for Medical Report Generation via Customized Prompt Tuning
di: Li, Chunlei, et al.
Pubblicazione: (2025)
di: Li, Chunlei, et al.
Pubblicazione: (2025)
A Survey on Long Video Generation: Challenges, Methods, and Prospects
di: Li, Chengxuan, et al.
Pubblicazione: (2024)
di: Li, Chengxuan, et al.
Pubblicazione: (2024)
Sponge Tool Attack: Stealthy Denial-of-Efficiency against Tool-Augmented Agentic Reasoning
di: Li, Qi, et al.
Pubblicazione: (2026)
di: Li, Qi, et al.
Pubblicazione: (2026)
COLA: Context-aware Language-driven Test-time Adaptation
di: Zhang, Aiming, et al.
Pubblicazione: (2025)
di: Zhang, Aiming, et al.
Pubblicazione: (2025)
Dynamic Execution Commitment of Vision-Language-Action Models
di: Chen, Feng, et al.
Pubblicazione: (2026)
di: Chen, Feng, et al.
Pubblicazione: (2026)
Event-Customized Image Generation
di: Wang, Zhen, et al.
Pubblicazione: (2024)
di: Wang, Zhen, et al.
Pubblicazione: (2024)
GeneralVLA: Generalizable Vision-Language-Action Models with Knowledge-Guided Trajectory Planning
di: Ma, Guoqing, et al.
Pubblicazione: (2026)
di: Ma, Guoqing, et al.
Pubblicazione: (2026)
Beyond Single Models: Mitigating Multimodal Hallucinations via Adaptive Token Ensemble Decoding
di: Li, Jinlin, et al.
Pubblicazione: (2025)
di: Li, Jinlin, et al.
Pubblicazione: (2025)
MTAttack: Multi-Target Backdoor Attacks against Large Vision-Language Models
di: Wang, Zihan, et al.
Pubblicazione: (2025)
di: Wang, Zihan, et al.
Pubblicazione: (2025)
Beyond CLIP Generalization: Against Forward&Backward Forgetting Adapter for Continual Learning of Vision-Language Models
di: Dong, Songlin, et al.
Pubblicazione: (2025)
di: Dong, Songlin, et al.
Pubblicazione: (2025)
Unsegment Anything by Simulating Deformation
di: Lu, Jiahao, et al.
Pubblicazione: (2024)
di: Lu, Jiahao, et al.
Pubblicazione: (2024)
Let Language Constrain Geometry: Vision-Language Models as Semantic and Spatial Critics for 3D Generation
di: Bai, Weimin, et al.
Pubblicazione: (2025)
di: Bai, Weimin, et al.
Pubblicazione: (2025)
Beyond the Vision Encoder: Identifying and Mitigating Spatial Bias in Large Vision-Language Models
di: Zhu, Yingjie, et al.
Pubblicazione: (2025)
di: Zhu, Yingjie, et al.
Pubblicazione: (2025)
Vision-Centric Activation and Coordination for Multimodal Large Language Models
di: Wang, Yunnan, et al.
Pubblicazione: (2025)
di: Wang, Yunnan, et al.
Pubblicazione: (2025)
ViT-EnsembleAttack: Augmenting Ensemble Models for Stronger Adversarial Transferability in Vision Transformers
di: Cao, Hanwen, et al.
Pubblicazione: (2025)
di: Cao, Hanwen, et al.
Pubblicazione: (2025)
Vision-Language Models as Differentiable Semantic and Spatial Rewards for Text-to-3D Generation
di: Bai, Weimin, et al.
Pubblicazione: (2025)
di: Bai, Weimin, et al.
Pubblicazione: (2025)
CustomVideo: Customizing Text-to-Video Generation with Multiple Subjects
di: Wang, Zhao, et al.
Pubblicazione: (2024)
di: Wang, Zhao, et al.
Pubblicazione: (2024)
EvoVLA: Self-Evolving Vision-Language-Action Model
di: Liu, Zeting, et al.
Pubblicazione: (2025)
di: Liu, Zeting, et al.
Pubblicazione: (2025)
Introducing Visual Perception Token into Multimodal Large Language Model
di: Yu, Runpeng, et al.
Pubblicazione: (2025)
di: Yu, Runpeng, et al.
Pubblicazione: (2025)
ViMU: Benchmarking Video Metaphorical Understanding
di: Li, Qi, et al.
Pubblicazione: (2026)
di: Li, Qi, et al.
Pubblicazione: (2026)
Documenti analoghi
-
Parameter-Efficient and Memory-Efficient Tuning for Vision Transformer: A Disentangled Approach
di: Zhang, Taolin, et al.
Pubblicazione: (2024) -
Dual-Path Adversarial Lifting for Domain Shift Correction in Online Test-time Adaptation
di: Tang, Yushun, et al.
Pubblicazione: (2024) -
Anatomy of a Lie: A Multi-Stage Diagnostic Framework for Tracing Hallucinations in Vision-Language Models
di: Xiong, Lexiang, et al.
Pubblicazione: (2026) -
Language Model as Visual Explainer
di: Yang, Xingyi, et al.
Pubblicazione: (2024) -
Descriminative-Generative Custom Tokens for Vision-Language Models
di: Perera, Pramuditha, et al.
Pubblicazione: (2025)