Copertina

Efficient Multimodal Learning from Data-centric Perspective

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	He, Muyang, Liu, Yexin, Wu, Boya, Yuan, Jianhao, Wang, Yueze, Huang, Tiejun, Zhao, Bo
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Computer Vision and Pattern Recognition
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Large-scale Dataset Pruning with Dynamic Uncertainty
di: He, Muyang, et al.
Pubblicazione: (2023)

Unveiling the Ignorance of MLLMs: Seeing Clearly, Answering Incorrectly
di: Liu, Yexin, et al.
Pubblicazione: (2024)

Efficient Multimodal Large Language Models: A Survey
di: Jin, Yizhang, et al.
Pubblicazione: (2024)

SynArtifact: Classifying and Alleviating Artifacts in Synthetic Images via Vision-Language Model
di: Cao, Bin, et al.
Pubblicazione: (2024)

Emu: Generative Pretraining in Multimodality
di: Sun, Quan, et al.
Pubblicazione: (2023)

Brain-Inspired Multimodal Spiking Neural Network for Image-Text Retrieval
di: Zong, Xintao, et al.
Pubblicazione: (2026)

Generative Multimodal Models are In-Context Learners
di: Sun, Quan, et al.
Pubblicazione: (2023)

A Survey of Multimodal Large Language Model from A Data-centric Perspective
di: Bai, Tianyi, et al.
Pubblicazione: (2024)

MegaPairs: Massive Data Synthesis For Universal Multimodal Retrieval
di: Zhou, Junjie, et al.
Pubblicazione: (2024)

OmniGen2: Towards Instruction-Aligned Multimodal Generation
di: Wu, Chenyuan, et al.
Pubblicazione: (2025)

AlignVid: Training-Free Attention Scaling for Semantic Fidelity in Text-Guided Image-to-Video Generation
di: Liu, Yexin, et al.
Pubblicazione: (2025)

Towards Low-latency Event-based Visual Recognition with Hybrid Step-wise Distillation Spiking Neural Networks
di: Zhong, Xian, et al.
Pubblicazione: (2024)

Towards High-performance Spiking Transformers from ANN to SNN Conversion
di: Huang, Zihan, et al.
Pubblicazione: (2025)

Rethinking Multimodal Learning from the Perspective of Mitigating Classification Ability Disproportion
di: Jiang, QingYuan, et al.
Pubblicazione: (2025)

SegVol: Universal and Interactive Volumetric Medical Image Segmentation
di: Du, Yuxin, et al.
Pubblicazione: (2023)

Caption Anything in Video: Fine-grained Object-centric Captioning via Spatiotemporal Multimodal Prompting
di: Tang, Yunlong, et al.
Pubblicazione: (2025)

OmniGen: Unified Image Generation
di: Xiao, Shitao, et al.
Pubblicazione: (2024)

Emu3: Next-Token Prediction is All You Need
di: Wang, Xinlong, et al.
Pubblicazione: (2024)

Emu3.5: Native Multimodal Models are World Learners
di: Cui, Yufeng, et al.
Pubblicazione: (2025)

DesignProbe: A Graphic Design Benchmark for Multimodal Large Language Models
di: Lin, Jieru, et al.
Pubblicazione: (2024)

SpikeCV: Open a Continuous Computer Vision Era
di: Zheng, Yajing, et al.
Pubblicazione: (2023)

OpenSubject: Leveraging Video-Derived Identity and Diversity Priors for Subject-driven Image Generation and Manipulation
di: Liu, Yexin, et al.
Pubblicazione: (2025)

H-MoRe: Learning Human-centric Motion Representation for Action Analysis
di: Huang, Zhanbo, et al.
Pubblicazione: (2025)

Enhanced Continual Learning of Vision-Language Models with Model Fusion
di: Gao, Haoyuan, et al.
Pubblicazione: (2025)

Rethinking Image-to-Video Adaptation: An Object-centric Perspective
di: Qian, Rui, et al.
Pubblicazione: (2024)

Think 360°: Evaluating the Width-centric Reasoning Capability of MLLMs Beyond Depth
di: Chen, Mingrui, et al.
Pubblicazione: (2026)

ProVision: Programmatically Scaling Vision-centric Instruction Data for Multimodal Language Models
di: Zhang, Jieyu, et al.
Pubblicazione: (2024)

STORM: Token-Efficient Long Video Understanding for Multimodal LLMs
di: Jiang, Jindong, et al.
Pubblicazione: (2025)

Learning to Robustly Reconstruct Low-light Dynamic Scenes from Spike Streams
di: Hu, Liwen, et al.
Pubblicazione: (2024)

StyleInject: Parameter Efficient Tuning of Text-to-Image Diffusion Models
di: Zhou, Mohan, et al.
Pubblicazione: (2024)

Source-free Semantic Regularization Learning for Semi-supervised Domain Adaptation
di: Huang, Xinyang, et al.
Pubblicazione: (2025)

Not Just Pretty Pictures: Toward Interventional Data Augmentation Using Text-to-Image Generators
di: Yuan, Jianhao, et al.
Pubblicazione: (2022)

MLVU: Benchmarking Multi-task Long Video Understanding
di: Zhou, Junjie, et al.
Pubblicazione: (2024)

Exploring Efficient Asymmetric Blind-Spots for Self-Supervised Denoising in Real-World Scenarios
di: Chen, Shiyan, et al.
Pubblicazione: (2023)

Universal Prompt Optimizer for Safe Text-to-Image Generation
di: Wu, Zongyu, et al.
Pubblicazione: (2024)

CGMatch: A Different Perspective of Semi-supervised Learning
di: Cheng, Bo, et al.
Pubblicazione: (2025)

Efficient Multimodal Dataset Distillation via Generative Models
di: Zhao, Zhenghao, et al.
Pubblicazione: (2025)

MAGE: Multimodal Alignment and Generation Enhancement via Bridging Visual and Semantic Spaces
di: E, Shaojun, et al.
Pubblicazione: (2025)

GoodSAM++: Bridging Domain and Capacity Gaps via Segment Anything Model for Panoramic Semantic Segmentation
di: Zhang, Weiming, et al.
Pubblicazione: (2024)

GoodSAM: Bridging Domain and Capacity Gaps via Segment Anything Model for Distortion-aware Panoramic Semantic Segmentation
di: Zhang, Weiming, et al.
Pubblicazione: (2024)