Multimodal Transformer With a Low-Computational-Cost Guarantee
Fuente:
arXiv
Salvato in:
| Autori principali: | Park, Sungjin, Choi, Edward |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2024
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Multimodal Learning on Low-Quality Data with Conformal Predictive Self-Calibration
di: Jiang, Xun, et al.
Pubblicazione: (2026)
di: Jiang, Xun, et al.
Pubblicazione: (2026)
Principled Multimodal Representation Learning
di: Liu, Xiaohao, et al.
Pubblicazione: (2025)
di: Liu, Xiaohao, et al.
Pubblicazione: (2025)
Calibrated Multimodal Representation Learning with Missing Modalities
di: Liu, Xiaohao, et al.
Pubblicazione: (2025)
di: Liu, Xiaohao, et al.
Pubblicazione: (2025)
Hierarchical Adaptive Expert for Multimodal Sentiment Analysis
di: Qin, Jiahao, et al.
Pubblicazione: (2025)
di: Qin, Jiahao, et al.
Pubblicazione: (2025)
Bridging Compressed Image Latents and Multimodal Large Language Models
di: Kao, Chia-Hao, et al.
Pubblicazione: (2024)
di: Kao, Chia-Hao, et al.
Pubblicazione: (2024)
Relating CNN-Transformer Fusion Network for Change Detection
di: Gao, Yuhao, et al.
Pubblicazione: (2024)
di: Gao, Yuhao, et al.
Pubblicazione: (2024)
Catalogue Grounded Multimodal Attribution for Museum Video under Resource and Regulatory Constraints
di: Nanang, Minsak, et al.
Pubblicazione: (2026)
di: Nanang, Minsak, et al.
Pubblicazione: (2026)
Diversity-Guided MLP Reduction for Efficient Large Vision Transformers
di: Shen, Chengchao, et al.
Pubblicazione: (2025)
di: Shen, Chengchao, et al.
Pubblicazione: (2025)
4D Multimodal Co-attention Fusion Network with Latent Contrastive Alignment for Alzheimer's Diagnosis
di: Wei, Yuxiang, et al.
Pubblicazione: (2025)
di: Wei, Yuxiang, et al.
Pubblicazione: (2025)
Diversity Matters: Revisiting Test-Time Compute in Vision-Language Models
di: Tong, Yijie, et al.
Pubblicazione: (2026)
di: Tong, Yijie, et al.
Pubblicazione: (2026)
End-to-end Semantic-centric Video-based Multimodal Affective Computing
di: Lin, Ronghao, et al.
Pubblicazione: (2024)
di: Lin, Ronghao, et al.
Pubblicazione: (2024)
Calibrating Multimodal Consensus for Emotion Recognition
di: Zhong, Guowei, et al.
Pubblicazione: (2025)
di: Zhong, Guowei, et al.
Pubblicazione: (2025)
MDD-Net: Multimodal Depression Detection through Mutual Transformer
di: Haque, Md Rezwanul, et al.
Pubblicazione: (2025)
di: Haque, Md Rezwanul, et al.
Pubblicazione: (2025)
A Low-Resolution Image is Worth 1x1 Words: Enabling Fine Image Super-Resolution with Transformers and TaylorShift
di: Nagaraju, Sanath Budakegowdanadoddi, et al.
Pubblicazione: (2024)
di: Nagaraju, Sanath Budakegowdanadoddi, et al.
Pubblicazione: (2024)
EditYourself: Audio-Driven Generation and Manipulation of Talking Head Videos with Diffusion Transformers
di: Flynn, John, et al.
Pubblicazione: (2026)
di: Flynn, John, et al.
Pubblicazione: (2026)
Towards Robust Multimodal Emotion Recognition under Missing Modalities and Distribution Shifts
di: Zhong, Guowei, et al.
Pubblicazione: (2025)
di: Zhong, Guowei, et al.
Pubblicazione: (2025)
Accelerating Multimodal Large Language Models via Dynamic Visual-Token Exit and the Empirical Findings
di: Wu, Qiong, et al.
Pubblicazione: (2024)
di: Wu, Qiong, et al.
Pubblicazione: (2024)
Cross-Modal Coordination Across a Diverse Set of Input Modalities
di: Sánchez, Jorge, et al.
Pubblicazione: (2024)
di: Sánchez, Jorge, et al.
Pubblicazione: (2024)
On-the-fly Modulation for Balanced Multimodal Learning
di: Wei, Yake, et al.
Pubblicazione: (2024)
di: Wei, Yake, et al.
Pubblicazione: (2024)
MCE: Towards a General Framework for Handling Missing Modalities under Imbalanced Missing Rates
di: Zhao, Binyu, et al.
Pubblicazione: (2025)
di: Zhao, Binyu, et al.
Pubblicazione: (2025)
MMPareto: Boosting Multimodal Learning with Innocent Unimodal Assistance
di: Wei, Yake, et al.
Pubblicazione: (2024)
di: Wei, Yake, et al.
Pubblicazione: (2024)
Multi-layer Learnable Attention Mask for Multimodal Tasks
di: Barrios, Wayner, et al.
Pubblicazione: (2024)
di: Barrios, Wayner, et al.
Pubblicazione: (2024)
Regularized Contrastive Partial Multi-view Outlier Detection
di: Wang, Yijia, et al.
Pubblicazione: (2024)
di: Wang, Yijia, et al.
Pubblicazione: (2024)
Improving Accuracy and Generalization for Efficient Visual Tracking
di: Zaveri, Ram, et al.
Pubblicazione: (2024)
di: Zaveri, Ram, et al.
Pubblicazione: (2024)
Generalized Jersey Number Recognition Using Multi-task Learning With Orientation-guided Weight Refinement
di: Lin, Yung-Hui, et al.
Pubblicazione: (2024)
di: Lin, Yung-Hui, et al.
Pubblicazione: (2024)
LinVT: Empower Your Image-level Large Language Model to Understand Videos
di: Gao, Lishuai, et al.
Pubblicazione: (2024)
di: Gao, Lishuai, et al.
Pubblicazione: (2024)
Competitive Learning for Achieving Content-specific Filters in Video Coding for Machines
di: Zhang, Honglei, et al.
Pubblicazione: (2024)
di: Zhang, Honglei, et al.
Pubblicazione: (2024)
MTCAE-DFER: Multi-Task Cascaded Autoencoder for Dynamic Facial Expression Recognition
di: Xiang, Peihao, et al.
Pubblicazione: (2024)
di: Xiang, Peihao, et al.
Pubblicazione: (2024)
Adversarially Robust Deepfake Detection via Adversarial Feature Similarity Learning
di: Khan, Sarwar
Pubblicazione: (2024)
di: Khan, Sarwar
Pubblicazione: (2024)
X-Former: Unifying Contrastive and Reconstruction Learning for MLLMs
di: Swetha, Sirnam, et al.
Pubblicazione: (2024)
di: Swetha, Sirnam, et al.
Pubblicazione: (2024)
CinePile: A Long Video Question Answering Dataset and Benchmark
di: Rawal, Ruchit, et al.
Pubblicazione: (2024)
di: Rawal, Ruchit, et al.
Pubblicazione: (2024)
BRep Boundary and Junction Detection for CAD Reverse Engineering
di: Ali, Sk Aziz, et al.
Pubblicazione: (2024)
di: Ali, Sk Aziz, et al.
Pubblicazione: (2024)
360VFI: A Dataset and Benchmark for Omnidirectional Video Frame Interpolation
di: Lu, Wenxuan, et al.
Pubblicazione: (2024)
di: Lu, Wenxuan, et al.
Pubblicazione: (2024)
Attack on Scene Flow using Point Clouds
di: Oskouie, Haniyeh Ehsani, et al.
Pubblicazione: (2024)
di: Oskouie, Haniyeh Ehsani, et al.
Pubblicazione: (2024)
Deep Learning-based Text-in-Image Watermarking
di: Karki, Bishwa, et al.
Pubblicazione: (2024)
di: Karki, Bishwa, et al.
Pubblicazione: (2024)
MIP-GAF: A MLLM-annotated Benchmark for Most Important Person Localization and Group Context Understanding
di: Madan, Surbhi, et al.
Pubblicazione: (2024)
di: Madan, Surbhi, et al.
Pubblicazione: (2024)
Improving Long-Text Alignment for Text-to-Image Diffusion Models
di: Liu, Luping, et al.
Pubblicazione: (2024)
di: Liu, Luping, et al.
Pubblicazione: (2024)
Omnidirectional Video Super-Resolution using Deep Learning
di: Baniya, Arbind Agrahari, et al.
Pubblicazione: (2025)
di: Baniya, Arbind Agrahari, et al.
Pubblicazione: (2025)
Storybooth: Training-free Multi-Subject Consistency for Improved Visual Storytelling
di: Singh, Jaskirat, et al.
Pubblicazione: (2025)
di: Singh, Jaskirat, et al.
Pubblicazione: (2025)
Zero-shot image privacy classification with Vision-Language Models
di: Baia, Alina Elena, et al.
Pubblicazione: (2025)
di: Baia, Alina Elena, et al.
Pubblicazione: (2025)
Documenti analoghi
-
Multimodal Learning on Low-Quality Data with Conformal Predictive Self-Calibration
di: Jiang, Xun, et al.
Pubblicazione: (2026) -
Principled Multimodal Representation Learning
di: Liu, Xiaohao, et al.
Pubblicazione: (2025) -
Calibrated Multimodal Representation Learning with Missing Modalities
di: Liu, Xiaohao, et al.
Pubblicazione: (2025) -
Hierarchical Adaptive Expert for Multimodal Sentiment Analysis
di: Qin, Jiahao, et al.
Pubblicazione: (2025) -
Bridging Compressed Image Latents and Multimodal Large Language Models
di: Kao, Chia-Hao, et al.
Pubblicazione: (2024)