GeoDecoder: Empowering Multimodal Map Understanding
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Qi, Feng, Dai, Mian, Zheng, Zixian, Wang, Chao |
|---|---|
| Format: | Preprint |
| Publié: |
2024
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
ARMOR: Empowering Multimodal Understanding Model with Interleaved Multimodal Generation Capability
par: Sun, Jianwen, et autres
Publié: (2025)
par: Sun, Jianwen, et autres
Publié: (2025)
Orthogonal Quadratic Complements for Vision Transformer Feed-Forward Networks
par: Zixian, Wang
Publié: (2026)
par: Zixian, Wang
Publié: (2026)
A Novel Approach to for Multimodal Emotion Recognition : Multimodal semantic information fusion
par: Dai, Wei, et autres
Publié: (2025)
par: Dai, Wei, et autres
Publié: (2025)
SafePLUG: Empowering Multimodal LLMs with Pixel-Level Insight and Temporal Grounding for Traffic Accident Understanding
par: Sheng, Zihao, et autres
Publié: (2025)
par: Sheng, Zihao, et autres
Publié: (2025)
Genixer: Empowering Multimodal Large Language Models as a Powerful Data Generator
par: Zhao, Henry Hengyuan, et autres
Publié: (2023)
par: Zhao, Henry Hengyuan, et autres
Publié: (2023)
Empowering LLMs with Pseudo-Untrimmed Videos for Audio-Visual Temporal Understanding
par: Tang, Yolo Yunlong, et autres
Publié: (2024)
par: Tang, Yolo Yunlong, et autres
Publié: (2024)
Unified Multimodal Understanding via Byte-Pair Visual Encoding
par: Zhang, Wanpeng, et autres
Publié: (2025)
par: Zhang, Wanpeng, et autres
Publié: (2025)
Perception, Understanding and Reasoning, A Multimodal Benchmark for Video Fake News Detection
par: Yakun, Cui, et autres
Publié: (2025)
par: Yakun, Cui, et autres
Publié: (2025)
GEM: Empowering MLLM for Grounded ECG Understanding with Time Series and Images
par: Lan, Xiang, et autres
Publié: (2025)
par: Lan, Xiang, et autres
Publié: (2025)
GUI-Reflection: Empowering Multimodal GUI Models with Self-Reflection Behavior
par: Wu, Penghao, et autres
Publié: (2025)
par: Wu, Penghao, et autres
Publié: (2025)
DocPedia: Unleashing the Power of Large Multimodal Model in the Frequency Domain for Versatile Document Understanding
par: Feng, Hao, et autres
Publié: (2023)
par: Feng, Hao, et autres
Publié: (2023)
Geo-Registration of Terrestrial LiDAR Point Clouds with Satellite Images without GNSS
par: Wang, Xinyu, et autres
Publié: (2025)
par: Wang, Xinyu, et autres
Publié: (2025)
Understand, Think, and Answer: Advancing Visual Reasoning with Large Multimodal Models
par: Zhan, Yufei, et autres
Publié: (2025)
par: Zhan, Yufei, et autres
Publié: (2025)
Causal Decoding for Hallucination-Resistant Multimodal Large Language Models
par: Tan, Shiwei, et autres
Publié: (2026)
par: Tan, Shiwei, et autres
Publié: (2026)
Active-O3: Empowering Multimodal Large Language Models with Active Perception via GRPO
par: Zhu, Muzhi, et autres
Publié: (2025)
par: Zhu, Muzhi, et autres
Publié: (2025)
Weakly Supervised Framework Considering Multi-temporal Information for Large-scale Cropland Mapping with Satellite Imagery
par: Wang, Yuze, et autres
Publié: (2024)
par: Wang, Yuze, et autres
Publié: (2024)
Machine Mental Imagery: Empower Multimodal Reasoning with Latent Visual Tokens
par: Yang, Zeyuan, et autres
Publié: (2025)
par: Yang, Zeyuan, et autres
Publié: (2025)
PointLLM: Empowering Large Language Models to Understand Point Clouds
par: Xu, Runsen, et autres
Publié: (2023)
par: Xu, Runsen, et autres
Publié: (2023)
Multi-Level Bidirectional Biomimetic Learning for EEG-Based Visual Decoding
par: Liu, Jingtao, et autres
Publié: (2026)
par: Liu, Jingtao, et autres
Publié: (2026)
Speculative Decoding Reimagined for Multimodal Large Language Models
par: Lin, Luxi, et autres
Publié: (2025)
par: Lin, Luxi, et autres
Publié: (2025)
Emotion-LLaMAv2 and MMEVerse: A New Framework and Benchmark for Multimodal Emotion Understanding
par: Peng, Xiaojiang, et autres
Publié: (2026)
par: Peng, Xiaojiang, et autres
Publié: (2026)
Region-Level Context-Aware Multimodal Understanding
par: Wei, Hongliang, et autres
Publié: (2025)
par: Wei, Hongliang, et autres
Publié: (2025)
Revisiting Visual Understanding in Multimodal Reasoning through a Lens of Image Perturbation
par: Li, Yuting, et autres
Publié: (2025)
par: Li, Yuting, et autres
Publié: (2025)
GoViG: Goal-Conditioned Visual Navigation Instruction Generation via Multimodal Reasoning
par: Wu, Fengyi, et autres
Publié: (2025)
par: Wu, Fengyi, et autres
Publié: (2025)
Photon: Speedup Volume Understanding with Efficient Multimodal Large Language Models
par: Fang, Chengyu, et autres
Publié: (2026)
par: Fang, Chengyu, et autres
Publié: (2026)
EmoTrans: A Benchmark for Understanding, Reasoning, and Predicting Emotion Transitions in Multimodal LLMs
par: Hu, He, et autres
Publié: (2026)
par: Hu, He, et autres
Publié: (2026)
Decoding the Pulse of Reasoning VLMs in Multi-Image Understanding Tasks
par: Li, Chenjun
Publié: (2026)
par: Li, Chenjun
Publié: (2026)
Neural Visual Decoding via Cognitive guided Adaptive Blurring and Information Constrained Alignment
par: Yin, Fan, et autres
Publié: (2026)
par: Yin, Fan, et autres
Publié: (2026)
TACFN: Transformer-based Adaptive Cross-modal Fusion Network for Multimodal Emotion Recognition
par: Liu, Feng, et autres
Publié: (2025)
par: Liu, Feng, et autres
Publié: (2025)
EMMA: Empowering Multi-modal Mamba with Structural and Hierarchical Alignment
par: Xing, Yifei, et autres
Publié: (2024)
par: Xing, Yifei, et autres
Publié: (2024)
AndesVL Technical Report: An Efficient Mobile-side Multimodal Large Language Model
par: Jin, Zhiwei, et autres
Publié: (2025)
par: Jin, Zhiwei, et autres
Publié: (2025)
Towards Understanding Ambiguity Resolution in Multimodal Inference of Meaning
par: Wang, Yufei, et autres
Publié: (2025)
par: Wang, Yufei, et autres
Publié: (2025)
Apollo: An Exploration of Video Understanding in Large Multimodal Models
par: Zohar, Orr, et autres
Publié: (2024)
par: Zohar, Orr, et autres
Publié: (2024)
Vision Enhancing LLMs: Empowering Multimodal Knowledge Storage and Sharing in LLMs
par: Li, Yunxin, et autres
Publié: (2023)
par: Li, Yunxin, et autres
Publié: (2023)
Empower Vision Applications with LoRA LMM
par: Mi, Liang, et autres
Publié: (2024)
par: Mi, Liang, et autres
Publié: (2024)
UMBRAE: Unified Multimodal Brain Decoding
par: Xia, Weihao, et autres
Publié: (2024)
par: Xia, Weihao, et autres
Publié: (2024)
Evaluating Compositional Scene Understanding in Multimodal Generative Models
par: Fu, Shuhao, et autres
Publié: (2025)
par: Fu, Shuhao, et autres
Publié: (2025)
Scaling the Long Video Understanding of Multimodal Large Language Models via Visual Memory Mechanism
par: Chen, Tao, et autres
Publié: (2026)
par: Chen, Tao, et autres
Publié: (2026)
NextFlow: Unified Sequential Modeling Activates Multimodal Understanding and Generation
par: Zhang, Huichao, et autres
Publié: (2026)
par: Zhang, Huichao, et autres
Publié: (2026)
MVU-Eval: Towards Multi-Video Understanding Evaluation for Multimodal LLMs
par: Peng, Tianhao, et autres
Publié: (2025)
par: Peng, Tianhao, et autres
Publié: (2025)
Documents similaires
-
ARMOR: Empowering Multimodal Understanding Model with Interleaved Multimodal Generation Capability
par: Sun, Jianwen, et autres
Publié: (2025) -
Orthogonal Quadratic Complements for Vision Transformer Feed-Forward Networks
par: Zixian, Wang
Publié: (2026) -
A Novel Approach to for Multimodal Emotion Recognition : Multimodal semantic information fusion
par: Dai, Wei, et autres
Publié: (2025) -
SafePLUG: Empowering Multimodal LLMs with Pixel-Level Insight and Temporal Grounding for Traffic Accident Understanding
par: Sheng, Zihao, et autres
Publié: (2025) -
Genixer: Empowering Multimodal Large Language Models as a Powerful Data Generator
par: Zhao, Henry Hengyuan, et autres
Publié: (2023)