Buchumschlag

Honeybee: Locality-enhanced Projector for Multimodal LLM

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Cha, Junbum, Kang, Wooyoung, Mun, Jonghwan, Roh, Byungseok
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence Computation and Language Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

AnyGPT: Unified Multimodal LLM with Discrete Sequence Modeling
von: Zhan, Jun, et al.
Veröffentlicht: (2024)

Groma: Localized Visual Tokenization for Grounding Multimodal Large Language Models
von: Ma, Chuofan, et al.
Veröffentlicht: (2024)

LogicVista: Multimodal LLM Logical Reasoning Benchmark in Visual Contexts
von: Xiao, Yijia, et al.
Veröffentlicht: (2024)

Document Haystack: A Long Context Multimodal Image/Document Understanding Vision LLM Benchmark
von: Huybrechts, Goeric, et al.
Veröffentlicht: (2025)

ExpVG: Investigating the Design Space of Visual Grounding in Multimodal Large Language Model
von: Kang, Weitai, et al.
Veröffentlicht: (2025)

Open CaptchaWorld: A Comprehensive Web-based Platform for Testing and Benchmarking Multimodal LLM Agents
von: Luo, Yaxin, et al.
Veröffentlicht: (2025)

Uncertainty Quantification for Multimodal Large Language Models with Incoherence-adjusted Semantic Volume
von: Lau, Gregory Kang Ruey, et al.
Veröffentlicht: (2026)

Less Is More, but Where? Dynamic Token Compression via LLM-Guided Keyframe Prior
von: Li, Yulin, et al.
Veröffentlicht: (2025)

Multimodal Task Vectors Enable Many-Shot Multimodal In-Context Learning
von: Huang, Brandon, et al.
Veröffentlicht: (2024)

Matryoshka Multimodal Models
von: Cai, Mu, et al.
Veröffentlicht: (2024)

Multimodal Needle in a Haystack: Benchmarking Long-Context Capability of Multimodal Large Language Models
von: Wang, Hengyi, et al.
Veröffentlicht: (2024)

MultiDelete for Multimodal Machine Unlearning
von: Cheng, Jiali, et al.
Veröffentlicht: (2023)

Steering the Verifiability of Multimodal AI Hallucinations
von: Pang, Jianhong, et al.
Veröffentlicht: (2026)

Advancing Multimodal Medical Capabilities of Gemini
von: Yang, Lin, et al.
Veröffentlicht: (2024)

LLM-CXR: Instruction-Finetuned LLM for CXR Image Understanding and Generation
von: Lee, Suhyeon, et al.
Veröffentlicht: (2023)

Explainable Multimodal Sentiment Analysis on Bengali Memes
von: Elahi, Kazi Toufique, et al.
Veröffentlicht: (2023)

A Survey on Multimodal Large Language Models
von: Yin, Shukang, et al.
Veröffentlicht: (2023)

Generative Emotion Cause Explanation in Multimodal Conversations
von: Wang, Lin, et al.
Veröffentlicht: (2024)

Diving into Self-Evolving Training for Multimodal Reasoning
von: Liu, Wei, et al.
Veröffentlicht: (2024)

Multimodal Tabular Reasoning with Privileged Structured Information
von: Jiang, Jun-Peng, et al.
Veröffentlicht: (2025)

HEMM: Holistic Evaluation of Multimodal Foundation Models
von: Liang, Paul Pu, et al.
Veröffentlicht: (2024)

Advancing Conversational Diagnostic AI with Multimodal Reasoning
von: Saab, Khaled, et al.
Veröffentlicht: (2025)

Advancing Autonomous Vehicle Intelligence: Deep Learning and Multimodal LLM for Traffic Sign Recognition and Robust Lane Detection
von: Sah, Chandan Kumar, et al.
Veröffentlicht: (2025)

Compositional Chain-of-Thought Prompting for Large Multimodal Models
von: Mitra, Chancharik, et al.
Veröffentlicht: (2023)

Woodpecker: Hallucination Correction for Multimodal Large Language Models
von: Yin, Shukang, et al.
Veröffentlicht: (2023)

Learning to Steer: Input-dependent Steering for Multimodal LLMs
von: Parekh, Jayneel, et al.
Veröffentlicht: (2025)

Many-Shot In-Context Learning in Multimodal Foundation Models
von: Jiang, Yixing, et al.
Veröffentlicht: (2024)

MTA: Multimodal Task Alignment for BEV Perception and Captioning
von: Ma, Yunsheng, et al.
Veröffentlicht: (2024)

Visual Question Decomposition on Multimodal Large Language Models
von: Zhang, Haowei, et al.
Veröffentlicht: (2024)

LMFusion: Adapting Pretrained Language Models for Multimodal Generation
von: Shi, Weijia, et al.
Veröffentlicht: (2024)

Stable and Efficient Single-Rollout RL for Multimodal Reasoning
von: Liu, Rui, et al.
Veröffentlicht: (2025)

Continual SFT Matches Multimodal RLHF with Negative Supervision
von: Zhu, Ke, et al.
Veröffentlicht: (2024)

Controlling Multimodal LLMs via Reward-guided Decoding
von: Mañas, Oscar, et al.
Veröffentlicht: (2025)

Exploring Compositional Generalization of Multimodal LLMs for Medical Imaging
von: Cai, Zhenyang, et al.
Veröffentlicht: (2024)

Promptception: How Sensitive Are Large Multimodal Models to Prompts?
von: Ismithdeen, Mohamed Insaf, et al.
Veröffentlicht: (2025)

Dictionary-Aligned Concept Control for Safeguarding Multimodal LLMs
von: Luo, Jinqi, et al.
Veröffentlicht: (2026)

MM-Vet: Evaluating Large Multimodal Models for Integrated Capabilities
von: Yu, Weihao, et al.
Veröffentlicht: (2023)

MMToM-QA: Multimodal Theory of Mind Question Answering
von: Jin, Chuanyang, et al.
Veröffentlicht: (2024)

GRPO-CARE: Consistency-Aware Reinforcement Learning for Multimodal Reasoning
von: Chen, Yi, et al.
Veröffentlicht: (2025)

VLSU: Mapping the Limits of Joint Multimodal Understanding for AI Safety
von: Palaskar, Shruti, et al.
Veröffentlicht: (2025)