Buchumschlag

GeoDecoder: Empowering Multimodal Map Understanding

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Qi, Feng, Dai, Mian, Zheng, Zixian, Wang, Chao
Format:	Preprint
Veröffentlicht:	2024
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

ARMOR: Empowering Multimodal Understanding Model with Interleaved Multimodal Generation Capability
von: Sun, Jianwen, et al.
Veröffentlicht: (2025)

Orthogonal Quadratic Complements for Vision Transformer Feed-Forward Networks
von: Zixian, Wang
Veröffentlicht: (2026)

A Novel Approach to for Multimodal Emotion Recognition : Multimodal semantic information fusion
von: Dai, Wei, et al.
Veröffentlicht: (2025)

SafePLUG: Empowering Multimodal LLMs with Pixel-Level Insight and Temporal Grounding for Traffic Accident Understanding
von: Sheng, Zihao, et al.
Veröffentlicht: (2025)

Genixer: Empowering Multimodal Large Language Models as a Powerful Data Generator
von: Zhao, Henry Hengyuan, et al.
Veröffentlicht: (2023)

Empowering LLMs with Pseudo-Untrimmed Videos for Audio-Visual Temporal Understanding
von: Tang, Yolo Yunlong, et al.
Veröffentlicht: (2024)

Unified Multimodal Understanding via Byte-Pair Visual Encoding
von: Zhang, Wanpeng, et al.
Veröffentlicht: (2025)

Perception, Understanding and Reasoning, A Multimodal Benchmark for Video Fake News Detection
von: Yakun, Cui, et al.
Veröffentlicht: (2025)

GEM: Empowering MLLM for Grounded ECG Understanding with Time Series and Images
von: Lan, Xiang, et al.
Veröffentlicht: (2025)

GUI-Reflection: Empowering Multimodal GUI Models with Self-Reflection Behavior
von: Wu, Penghao, et al.
Veröffentlicht: (2025)

DocPedia: Unleashing the Power of Large Multimodal Model in the Frequency Domain for Versatile Document Understanding
von: Feng, Hao, et al.
Veröffentlicht: (2023)

Geo-Registration of Terrestrial LiDAR Point Clouds with Satellite Images without GNSS
von: Wang, Xinyu, et al.
Veröffentlicht: (2025)

Understand, Think, and Answer: Advancing Visual Reasoning with Large Multimodal Models
von: Zhan, Yufei, et al.
Veröffentlicht: (2025)

Causal Decoding for Hallucination-Resistant Multimodal Large Language Models
von: Tan, Shiwei, et al.
Veröffentlicht: (2026)

Active-O3: Empowering Multimodal Large Language Models with Active Perception via GRPO
von: Zhu, Muzhi, et al.
Veröffentlicht: (2025)

Weakly Supervised Framework Considering Multi-temporal Information for Large-scale Cropland Mapping with Satellite Imagery
von: Wang, Yuze, et al.
Veröffentlicht: (2024)

Machine Mental Imagery: Empower Multimodal Reasoning with Latent Visual Tokens
von: Yang, Zeyuan, et al.
Veröffentlicht: (2025)

PointLLM: Empowering Large Language Models to Understand Point Clouds
von: Xu, Runsen, et al.
Veröffentlicht: (2023)

Multi-Level Bidirectional Biomimetic Learning for EEG-Based Visual Decoding
von: Liu, Jingtao, et al.
Veröffentlicht: (2026)

Speculative Decoding Reimagined for Multimodal Large Language Models
von: Lin, Luxi, et al.
Veröffentlicht: (2025)

Emotion-LLaMAv2 and MMEVerse: A New Framework and Benchmark for Multimodal Emotion Understanding
von: Peng, Xiaojiang, et al.
Veröffentlicht: (2026)

Region-Level Context-Aware Multimodal Understanding
von: Wei, Hongliang, et al.
Veröffentlicht: (2025)

Revisiting Visual Understanding in Multimodal Reasoning through a Lens of Image Perturbation
von: Li, Yuting, et al.
Veröffentlicht: (2025)

GoViG: Goal-Conditioned Visual Navigation Instruction Generation via Multimodal Reasoning
von: Wu, Fengyi, et al.
Veröffentlicht: (2025)

Photon: Speedup Volume Understanding with Efficient Multimodal Large Language Models
von: Fang, Chengyu, et al.
Veröffentlicht: (2026)

EmoTrans: A Benchmark for Understanding, Reasoning, and Predicting Emotion Transitions in Multimodal LLMs
von: Hu, He, et al.
Veröffentlicht: (2026)

Decoding the Pulse of Reasoning VLMs in Multi-Image Understanding Tasks
von: Li, Chenjun
Veröffentlicht: (2026)

Neural Visual Decoding via Cognitive guided Adaptive Blurring and Information Constrained Alignment
von: Yin, Fan, et al.
Veröffentlicht: (2026)

TACFN: Transformer-based Adaptive Cross-modal Fusion Network for Multimodal Emotion Recognition
von: Liu, Feng, et al.
Veröffentlicht: (2025)

EMMA: Empowering Multi-modal Mamba with Structural and Hierarchical Alignment
von: Xing, Yifei, et al.
Veröffentlicht: (2024)

AndesVL Technical Report: An Efficient Mobile-side Multimodal Large Language Model
von: Jin, Zhiwei, et al.
Veröffentlicht: (2025)

Towards Understanding Ambiguity Resolution in Multimodal Inference of Meaning
von: Wang, Yufei, et al.
Veröffentlicht: (2025)

Apollo: An Exploration of Video Understanding in Large Multimodal Models
von: Zohar, Orr, et al.
Veröffentlicht: (2024)

Vision Enhancing LLMs: Empowering Multimodal Knowledge Storage and Sharing in LLMs
von: Li, Yunxin, et al.
Veröffentlicht: (2023)

Empower Vision Applications with LoRA LMM
von: Mi, Liang, et al.
Veröffentlicht: (2024)

UMBRAE: Unified Multimodal Brain Decoding
von: Xia, Weihao, et al.
Veröffentlicht: (2024)

Evaluating Compositional Scene Understanding in Multimodal Generative Models
von: Fu, Shuhao, et al.
Veröffentlicht: (2025)

Scaling the Long Video Understanding of Multimodal Large Language Models via Visual Memory Mechanism
von: Chen, Tao, et al.
Veröffentlicht: (2026)

NextFlow: Unified Sequential Modeling Activates Multimodal Understanding and Generation
von: Zhang, Huichao, et al.
Veröffentlicht: (2026)

MVU-Eval: Towards Multi-Video Understanding Evaluation for Multimodal LLMs
von: Peng, Tianhao, et al.
Veröffentlicht: (2025)