Lyrics: Boosting Fine-grained Language-Vision Alignment and Comprehension via Semantic-aware Visual Objects
Fuente:
arXiv
Salvato in:
| Autori principali: | Lu, Junyu, Zhang, Dixiang, Zhang, Songxin, Xie, Zejian, Song, Zhuoyang, Lin, Cong, Zhang, Jiaxing, Jing, Bingyi, Zhang, Pingjian |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2023
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Orcust: Stepwise-Feedback Reinforcement Learning for GUI Agent
di: Lu, Junyu, et al.
Pubblicazione: (2025)
di: Lu, Junyu, et al.
Pubblicazione: (2025)
BatchWeave: A Consistent Object-Store-Native Data Plane for Large Foundation Model Training
di: Sun, Ting, et al.
Pubblicazione: (2026)
di: Sun, Ting, et al.
Pubblicazione: (2026)
Taiyi-Diffusion-XL: Advancing Bilingual Text-to-Image Generation with Large Vision-Language Model Support
di: Wu, Xiaojun, et al.
Pubblicazione: (2024)
di: Wu, Xiaojun, et al.
Pubblicazione: (2024)
PVI: Plug-in Visual Injection for Vision-Language-Action Models
di: Zhang, Zezhou, et al.
Pubblicazione: (2026)
di: Zhang, Zezhou, et al.
Pubblicazione: (2026)
L0: Reinforcement Learning to Become General Agents
di: Zhang, Junjie, et al.
Pubblicazione: (2025)
di: Zhang, Junjie, et al.
Pubblicazione: (2025)
Fine-tuning can Help Detect Pretraining Data from Large Language Models
di: Zhang, Hengxiang, et al.
Pubblicazione: (2024)
di: Zhang, Hengxiang, et al.
Pubblicazione: (2024)
Exploring Learning Complexity for Efficient Downstream Dataset Pruning
di: Jiang, Wenyu, et al.
Pubblicazione: (2024)
di: Jiang, Wenyu, et al.
Pubblicazione: (2024)
Astrea: A MOE-based Visual Understanding Model with Progressive Alignment
di: Yang, Xiaoda, et al.
Pubblicazione: (2025)
di: Yang, Xiaoda, et al.
Pubblicazione: (2025)
Learning to Trust Your Feelings: Leveraging Self-awareness in LLMs for Hallucination Mitigation
di: Liang, Yuxin, et al.
Pubblicazione: (2024)
di: Liang, Yuxin, et al.
Pubblicazione: (2024)
LLMs Meet VLMs: Boost Open Vocabulary Object Detection with Fine-grained Descriptors
di: Jin, Sheng, et al.
Pubblicazione: (2024)
di: Jin, Sheng, et al.
Pubblicazione: (2024)
Natural Language-Driven Global Mapping of Martian Landforms
di: Wang, Yiran, et al.
Pubblicazione: (2026)
di: Wang, Yiran, et al.
Pubblicazione: (2026)
SongGLM: Lyric-to-Melody Generation with 2D Alignment Encoding and Multi-Task Pre-Training
di: Yu, Jiaxing, et al.
Pubblicazione: (2024)
di: Yu, Jiaxing, et al.
Pubblicazione: (2024)
Ultrasound Vision-Language Alignment via Contrastive Learning
di: Lyu, Zhuoyang, et al.
Pubblicazione: (2026)
di: Lyu, Zhuoyang, et al.
Pubblicazione: (2026)
PGDA-KGQA: A Prompt-Guided Generative Framework with Multiple Data Augmentation Strategies for Knowledge Graph Question Answering
di: Zhou, Xiujun, et al.
Pubblicazione: (2025)
di: Zhou, Xiujun, et al.
Pubblicazione: (2025)
FGAseg: Fine-Grained Pixel-Text Alignment for Open-Vocabulary Semantic Segmentation
di: Li, Bingyu, et al.
Pubblicazione: (2025)
di: Li, Bingyu, et al.
Pubblicazione: (2025)
Segmenting and Understanding: Region-aware Semantic Attention for Fine-grained Image Quality Assessment with Large Language Models
di: Song, Chenyue, et al.
Pubblicazione: (2025)
di: Song, Chenyue, et al.
Pubblicazione: (2025)
How Real is Your Jailbreak? Fine-grained Jailbreak Evaluation with Anchored Reference
di: Liu, Songyang, et al.
Pubblicazione: (2026)
di: Liu, Songyang, et al.
Pubblicazione: (2026)
FineRS: Fine-grained Reasoning and Segmentation of Small Objects with Reinforcement Learning
di: Zhang, Lu, et al.
Pubblicazione: (2025)
di: Zhang, Lu, et al.
Pubblicazione: (2025)
HART: Efficient Visual Generation with Hybrid Autoregressive Transformer
di: Tang, Haotian, et al.
Pubblicazione: (2024)
di: Tang, Haotian, et al.
Pubblicazione: (2024)
Boosting 3D Object Detection with Semantic-Aware Multi-Branch Framework
di: Jing, Hao, et al.
Pubblicazione: (2024)
di: Jing, Hao, et al.
Pubblicazione: (2024)
In‐Plane and Out‐of‐Plane Polarities Synergistically Boost Photocatalytic Overall Water Splitting on Two‐Dimensional Covalent Organic Frameworks
di: Liqun Song, et al.
Pubblicazione: (2026)
di: Liqun Song, et al.
Pubblicazione: (2026)
F-HOI: Toward Fine-grained Semantic-Aligned 3D Human-Object Interactions
di: Yang, Jie, et al.
Pubblicazione: (2024)
di: Yang, Jie, et al.
Pubblicazione: (2024)
InstructAttribute: Fine-grained Object Attributes editing with Instruction
di: Yin, Xingxi, et al.
Pubblicazione: (2025)
di: Yin, Xingxi, et al.
Pubblicazione: (2025)
Boosting Quantitive and Spatial Awareness for Zero-Shot Object Counting
di: Zhang, Da, et al.
Pubblicazione: (2026)
di: Zhang, Da, et al.
Pubblicazione: (2026)
Boosting Document Parsing Efficiency and Performance with Coarse-to-Fine Visual Processing
di: Cui, Cheng, et al.
Pubblicazione: (2026)
di: Cui, Cheng, et al.
Pubblicazione: (2026)
NWPU-MOC: A Benchmark for Fine-grained Multi-category Object Counting in Aerial Images
di: Gao, Junyu, et al.
Pubblicazione: (2024)
di: Gao, Junyu, et al.
Pubblicazione: (2024)
Referring Remote Sensing Image Segmentation with Cross-view Semantics Interaction Network
di: Yang, Jiaxing, et al.
Pubblicazione: (2025)
di: Yang, Jiaxing, et al.
Pubblicazione: (2025)
Ziya2: Data-centric Learning is All LLMs Need
di: Gan, Ruyi, et al.
Pubblicazione: (2023)
di: Gan, Ruyi, et al.
Pubblicazione: (2023)
Boosting Vision Semantic Density with Anatomy Normality Modeling for Medical Vision-language Pre-training
di: Cao, Weiwei, et al.
Pubblicazione: (2025)
di: Cao, Weiwei, et al.
Pubblicazione: (2025)
SAM2 for Image and Video Segmentation: A Comprehensive Survey
di: Jiaxing, Zhang, et al.
Pubblicazione: (2025)
di: Jiaxing, Zhang, et al.
Pubblicazione: (2025)
F2RVLM: Boosting Fine-grained Fragment Retrieval for Multi-Modal Long-form Dialogue with Vision Language Model
di: Bi, Hanbo, et al.
Pubblicazione: (2025)
di: Bi, Hanbo, et al.
Pubblicazione: (2025)
Locality-aware Parallel Decoding for Efficient Autoregressive Image Generation
di: Zhang, Zhuoyang, et al.
Pubblicazione: (2025)
di: Zhang, Zhuoyang, et al.
Pubblicazione: (2025)
Mask-DPO: Generalizable Fine-grained Factuality Alignment of LLMs
di: Gu, Yuzhe, et al.
Pubblicazione: (2025)
di: Gu, Yuzhe, et al.
Pubblicazione: (2025)
Vision-Language Models for Vision Tasks: A Survey
di: Zhang, Jingyi, et al.
Pubblicazione: (2023)
di: Zhang, Jingyi, et al.
Pubblicazione: (2023)
TUNA: Comprehensive Fine-grained Temporal Understanding Evaluation on Dense Dynamic Videos
di: Kong, Fanheng, et al.
Pubblicazione: (2025)
di: Kong, Fanheng, et al.
Pubblicazione: (2025)
On-Policy Self-Alignment with Fine-grained Knowledge Feedback for Hallucination Mitigation
di: Wen, Xueru, et al.
Pubblicazione: (2024)
di: Wen, Xueru, et al.
Pubblicazione: (2024)
GITA: Graph to Visual and Textual Integration for Vision-Language Graph Reasoning
di: Wei, Yanbin, et al.
Pubblicazione: (2024)
di: Wei, Yanbin, et al.
Pubblicazione: (2024)
Temporal-Visual Semantic Alignment: A Unified Architecture for Transferring Spatial Priors from Vision Models to Zero-Shot Temporal Tasks
di: Ma, Xiangkai, et al.
Pubblicazione: (2025)
di: Ma, Xiangkai, et al.
Pubblicazione: (2025)
How Texts Help? A Fine-grained Evaluation to Reveal the Role of Language in Vision-Language Tracking
di: Li, Xuchen, et al.
Pubblicazione: (2024)
di: Li, Xuchen, et al.
Pubblicazione: (2024)
Climate Lyricism
di: Hyoung Song, Min
Pubblicazione: (2023)
di: Hyoung Song, Min
Pubblicazione: (2023)
Documenti analoghi
-
Orcust: Stepwise-Feedback Reinforcement Learning for GUI Agent
di: Lu, Junyu, et al.
Pubblicazione: (2025) -
BatchWeave: A Consistent Object-Store-Native Data Plane for Large Foundation Model Training
di: Sun, Ting, et al.
Pubblicazione: (2026) -
Taiyi-Diffusion-XL: Advancing Bilingual Text-to-Image Generation with Large Vision-Language Model Support
di: Wu, Xiaojun, et al.
Pubblicazione: (2024) -
PVI: Plug-in Visual Injection for Vision-Language-Action Models
di: Zhang, Zezhou, et al.
Pubblicazione: (2026) -
L0: Reinforcement Learning to Become General Agents
di: Zhang, Junjie, et al.
Pubblicazione: (2025)