Buchumschlag

DetToolChain: A New Prompting Paradigm to Unleash Detection Ability of MLLM

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wu, Yixuan, Wang, Yizhou, Tang, Shixiang, Wu, Wenhao, He, Tong, Ouyang, Wanli, Torr, Philip, Wu, Jian
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

Hulk: A Universal Knowledge Translator for Human-Centric Tasks
von: Wang, Yizhou, et al.
Veröffentlicht: (2023)

OrderChain: Towards General Instruct-Tuning for Stimulating the Ordinal Understanding Ability of MLLM
von: Wang, Jinhong, et al.
Veröffentlicht: (2025)

UniPAD: A Universal Pre-training Paradigm for Autonomous Driving
von: Yang, Honghui, et al.
Veröffentlicht: (2023)

PostAlign: Multimodal Grounding as a Corrective Lens for MLLMs
von: Wu, Yixuan, et al.
Veröffentlicht: (2025)

CMT: A Cascade MAR with Topology Predictor for Multimodal Conditional CAD Generation
von: Wu, Jianyu, et al.
Veröffentlicht: (2025)

FreeVA: Offline MLLM as Training-Free Video Assistant
von: Wu, Wenhao
Veröffentlicht: (2024)

EgoAgent: A Joint Predictive Agent Model in Egocentric Worlds
von: Chen, Lu, et al.
Veröffentlicht: (2025)

Agent3D-Zero: An Agent for Zero-shot 3D Understanding
von: Zhang, Sha, et al.
Veröffentlicht: (2024)

Human-Centric Foundation Models: Perception, Generation and Agentic Modeling
von: Tang, Shixiang, et al.
Veröffentlicht: (2025)

MLLM-based Discovery of Intrinsic Coordinates and Governing Equations from High-Dimensional Data
von: Li, Ruikun, et al.
Veröffentlicht: (2025)

SP-Det: Self-Prompted Dual-Text Fusion for Generalized Multi-Label Lesion Detection
von: Xu, Qing, et al.
Veröffentlicht: (2025)

DST-Det: Simple Dynamic Self-Training for Open-Vocabulary Object Detection
von: Xu, Shilin, et al.
Veröffentlicht: (2023)

Instruct-ReID++: Towards Universal Purpose Instruction-Guided Person Re-identification
von: He, Weizhen, et al.
Veröffentlicht: (2024)

PonderV2: Pave the Way for 3D Foundation Model with A Universal Pre-training Paradigm
von: Zhu, Haoyi, et al.
Veröffentlicht: (2023)

NeRF-Det++: Incorporating Semantic Cues and Perspective-aware Depth Supervision for Indoor Multi-View 3D Detection
von: Huang, Chenxi, et al.
Veröffentlicht: (2024)

GPT4Vis: What Can GPT-4 Do for Zero-shot Visual Recognition?
von: Wu, Wenhao, et al.
Veröffentlicht: (2023)

Many Heads Are Better Than One: Improved Scientific Idea Generation by A LLM-Based Multi-Agent System
von: Su, Haoyang, et al.
Veröffentlicht: (2024)

VFM-Det: Towards High-Performance Vehicle Detection via Large Foundation Models
von: Wu, Wentao, et al.
Veröffentlicht: (2024)

AnomalyR1: A GRPO-based End-to-end MLLM for Industrial Anomaly Detection
von: Chao, Yuhao, et al.
Veröffentlicht: (2025)

DS-Det: Single-Query Paradigm and Attention Disentangled Learning for Flexible Object Detection
von: Cao, Guiping, et al.
Veröffentlicht: (2025)

Minimal Interaction Separated Tuning: A New Paradigm for Visual Adaptation
von: Tang, Ningyuan, et al.
Veröffentlicht: (2024)

PIP-MM: Pre-Integrating Prompt Information into Visual Encoding via Existing MLLM Structures
von: Wu, Tianxiang, et al.
Veröffentlicht: (2024)

PromptDet: A Lightweight 3D Object Detection Framework with LiDAR Prompts
von: Guo, Kun, et al.
Veröffentlicht: (2024)

V3Det Challenge 2024 on Vast Vocabulary and Open Vocabulary Object Detection: Methods and Results
von: Wang, Jiaqi, et al.
Veröffentlicht: (2024)

CMIE: Combining MLLM Insights with External Evidence for Explainable Out-of-Context Misinformation Detection
von: Li, Fanxiao, et al.
Veröffentlicht: (2025)

Instruct-ReID: A Multi-purpose Person Re-identification Task with Instructions
von: He, Weizhen, et al.
Veröffentlicht: (2023)

MatchDet: A Collaborative Framework for Image Matching and Object Detection
von: Lai, Jinxiang, et al.
Veröffentlicht: (2023)

R2Det: Exploring Relaxed Rotation Equivariance in 2D object detection
von: Wu, Zhiqiang, et al.
Veröffentlicht: (2024)

Do MLLMs Exhibit Human-like Perceptual Behaviors? HVSBench: A Benchmark for MLLM Alignment with Human Perceptual Behavior
von: Lin, Jiaying, et al.
Veröffentlicht: (2024)

Holistic-Motion2D: Scalable Whole-body Human Motion Generation in 2D Space
von: Wang, Yuan, et al.
Veröffentlicht: (2024)

EE-MLLM: A Data-Efficient and Compute-Efficient Multimodal Large Language Model
von: Ma, Feipeng, et al.
Veröffentlicht: (2024)

RSVP: Reasoning Segmentation via Visual Prompting and Multi-modal Chain-of-Thought
von: Lu, Yi, et al.
Veröffentlicht: (2025)

GPT4Ego: Unleashing the Potential of Pre-trained Models for Zero-Shot Egocentric Action Recognition
von: Dai, Guangzhao, et al.
Veröffentlicht: (2024)

Visual Position Prompt for MLLM based Visual Grounding
von: Tang, Wei, et al.
Veröffentlicht: (2025)

Modality-Fair Preference Optimization for Trustworthy MLLM Alignment
von: Jiang, Songtao, et al.
Veröffentlicht: (2024)

RemoteDet-Mamba: A Hybrid Mamba-CNN Network for Multi-modal Object Detection in Remote Sensing Images
von: Ren, Kejun, et al.
Veröffentlicht: (2024)

Point Transformer V3 Extreme: 1st Place Solution for 2024 Waymo Open Dataset Challenge in Semantic Segmentation
von: Wu, Xiaoyang, et al.
Veröffentlicht: (2024)

LIME: Less Is More for MLLM Evaluation
von: Zhu, King, et al.
Veröffentlicht: (2024)

Revisiting Out-of-Distribution Detection in Real-time Object Detection: From Benchmark Pitfalls to a New Mitigation Paradigm
von: Wu, Changshun, et al.
Veröffentlicht: (2025)

Where Am I and What Will I See: An Auto-Regressive Model for Spatial Localization and View Prediction
von: Chen, Junyi, et al.
Veröffentlicht: (2024)