Bridge the Modality and Capability Gaps in Vision-Language Model Selection
Fuente:
arXiv
Salvato in:
| Autori principali: | Yi, Chao, He, Yu-Hang, Zhan, De-Chuan, Ye, Han-Jia |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2024
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Learning without Forgetting for Vision-Language Models
di: Zhou, Da-Wei, et al.
Pubblicazione: (2023)
di: Zhou, Da-Wei, et al.
Pubblicazione: (2023)
BOFA: Bridge-Layer Orthogonal Low-Rank Fusion for CLIP-Based Class-Incremental Learning
di: Li, Lan, et al.
Pubblicazione: (2025)
di: Li, Lan, et al.
Pubblicazione: (2025)
Bridging the Modality Gap in Roadside LiDAR: A Training-Free Vision-Language Model Framework for Vehicle Classification
di: Li, Yiqiao, et al.
Pubblicazione: (2026)
di: Li, Yiqiao, et al.
Pubblicazione: (2026)
PILOT: A Pre-Trained Model-Based Continual Learning Toolbox
di: Sun, Hai-Long, et al.
Pubblicazione: (2023)
di: Sun, Hai-Long, et al.
Pubblicazione: (2023)
Expandable Subspace Ensemble for Pre-Trained Model-Based Class-Incremental Learning
di: Zhou, Da-Wei, et al.
Pubblicazione: (2024)
di: Zhou, Da-Wei, et al.
Pubblicazione: (2024)
Addressing Imbalanced Domain-Incremental Learning through Dual-Balance Collaborative Experts
di: Li, Lan, et al.
Pubblicazione: (2025)
di: Li, Lan, et al.
Pubblicazione: (2025)
Continual Learning with Pre-Trained Models: A Survey
di: Zhou, Da-Wei, et al.
Pubblicazione: (2024)
di: Zhou, Da-Wei, et al.
Pubblicazione: (2024)
Dual Consolidation for Pre-Trained Model-Based Domain-Incremental Learning
di: Zhou, Da-Wei, et al.
Pubblicazione: (2024)
di: Zhou, Da-Wei, et al.
Pubblicazione: (2024)
Revisiting Class-Incremental Learning with Pre-Trained Models: Generalizability and Adaptivity are All You Need
di: Zhou, Da-Wei, et al.
Pubblicazione: (2023)
di: Zhou, Da-Wei, et al.
Pubblicazione: (2023)
TV100: A TV Series Dataset that Pre-Trained CLIP Has Not Seen
di: Zhou, Da-Wei, et al.
Pubblicazione: (2024)
di: Zhou, Da-Wei, et al.
Pubblicazione: (2024)
Hawk: Leveraging Spatial Context for Faster Autoregressive Text-to-Image Generation
di: Chen, Zhi-Kai, et al.
Pubblicazione: (2025)
di: Chen, Zhi-Kai, et al.
Pubblicazione: (2025)
MOS: Model Surgery for Pre-Trained Model-Based Class-Incremental Learning
di: Sun, Hai-Long, et al.
Pubblicazione: (2024)
di: Sun, Hai-Long, et al.
Pubblicazione: (2024)
Two Effects, One Trigger: On the Modality Gap, Object Bias, and Information Imbalance in Contrastive Vision-Language Models
di: Schrodi, Simon, et al.
Pubblicazione: (2024)
di: Schrodi, Simon, et al.
Pubblicazione: (2024)
Adaptive Adapter Routing for Long-Tailed Class-Incremental Learning
di: Qi, Zhi-Hong, et al.
Pubblicazione: (2024)
di: Qi, Zhi-Hong, et al.
Pubblicazione: (2024)
Leveraging Cross-Modal Neighbor Representation for Improved CLIP Classification
di: Yi, Chao, et al.
Pubblicazione: (2024)
di: Yi, Chao, et al.
Pubblicazione: (2024)
Data Selection for Fine-tuning Vision Language Models via Cross Modal Alignment Trajectories
di: Naharas, Nilay, et al.
Pubblicazione: (2025)
di: Naharas, Nilay, et al.
Pubblicazione: (2025)
Déjà Vu Memorization in Vision-Language Models
di: Jayaraman, Bargav, et al.
Pubblicazione: (2024)
di: Jayaraman, Bargav, et al.
Pubblicazione: (2024)
External Knowledge Injection for CLIP-Based Class-Incremental Learning
di: Zhou, Da-Wei, et al.
Pubblicazione: (2025)
di: Zhou, Da-Wei, et al.
Pubblicazione: (2025)
Quantifying Cross-Modality Memorization in Vision-Language Models
di: Wen, Yuxin, et al.
Pubblicazione: (2025)
di: Wen, Yuxin, et al.
Pubblicazione: (2025)
Improved Alignment of Modalities in Large Vision Language Models
di: Jangra, Kartik, et al.
Pubblicazione: (2025)
di: Jangra, Kartik, et al.
Pubblicazione: (2025)
OmniEvalKit: A Modular, Lightweight Toolbox for Evaluating Large Language Model and its Omni-Extensions
di: Zhang, Yi-Kai, et al.
Pubblicazione: (2024)
di: Zhang, Yi-Kai, et al.
Pubblicazione: (2024)
Rethinking Fine-Tuning: Unlocking Hidden Capabilities in Vision-Language Models
di: Zhang, Mingyuan, et al.
Pubblicazione: (2025)
di: Zhang, Mingyuan, et al.
Pubblicazione: (2025)
Investigating and Enhancing Vision-Audio Capability in Omnimodal Large Language Models
di: Hu, Rui, et al.
Pubblicazione: (2025)
di: Hu, Rui, et al.
Pubblicazione: (2025)
Class-Incremental Learning: A Survey
di: Zhou, Da-Wei, et al.
Pubblicazione: (2023)
di: Zhou, Da-Wei, et al.
Pubblicazione: (2023)
X-VILA: Cross-Modality Alignment for Large Language Model
di: Ye, Hanrong, et al.
Pubblicazione: (2024)
di: Ye, Hanrong, et al.
Pubblicazione: (2024)
MMRL: Multi-Modal Representation Learning for Vision-Language Models
di: Guo, Yuncheng, et al.
Pubblicazione: (2025)
di: Guo, Yuncheng, et al.
Pubblicazione: (2025)
Information Router for Mitigating Modality Dominance in Vision-Language Models
di: Kim, Seulgi, et al.
Pubblicazione: (2026)
di: Kim, Seulgi, et al.
Pubblicazione: (2026)
Cross-Modal Adapter: Parameter-Efficient Transfer Learning Approach for Vision-Language Models
di: Yang, Juncheng, et al.
Pubblicazione: (2024)
di: Yang, Juncheng, et al.
Pubblicazione: (2024)
Toward Modality Gap: Vision Prototype Learning for Weakly-supervised Semantic Segmentation with CLIP
di: Xu, Zhongxing, et al.
Pubblicazione: (2024)
di: Xu, Zhongxing, et al.
Pubblicazione: (2024)
Ramen: Robust Test-Time Adaptation of Vision-Language Models with Active Sample Selection
di: Bao, Wenxuan, et al.
Pubblicazione: (2026)
di: Bao, Wenxuan, et al.
Pubblicazione: (2026)
Vision-R1: Incentivizing Reasoning Capability in Multimodal Large Language Models
di: Huang, Wenxuan, et al.
Pubblicazione: (2025)
di: Huang, Wenxuan, et al.
Pubblicazione: (2025)
Bridging the Gap: Learning Pace Synchronization for Open-World Semi-Supervised Learning
di: Ye, Bo, et al.
Pubblicazione: (2023)
di: Ye, Bo, et al.
Pubblicazione: (2023)
Bridging Vision and Language Spaces with Assignment Prediction
di: Park, Jungin, et al.
Pubblicazione: (2024)
di: Park, Jungin, et al.
Pubblicazione: (2024)
Tactile Modality Fusion for Vision-Language-Action Models
di: Morissette, Charlotte, et al.
Pubblicazione: (2026)
di: Morissette, Charlotte, et al.
Pubblicazione: (2026)
Bridging the Gap Between Multimodal Foundation Models and World Models
di: He, Xuehai
Pubblicazione: (2025)
di: He, Xuehai
Pubblicazione: (2025)
Source-Free Domain Adaptation Guided by Vision and Vision-Language Pre-Training
di: Zhang, Wenyu, et al.
Pubblicazione: (2024)
di: Zhang, Wenyu, et al.
Pubblicazione: (2024)
Cross-Modal Redundancy and the Geometry of Vision-Language Embeddings
di: Dhimoïla, Grégoire, et al.
Pubblicazione: (2026)
di: Dhimoïla, Grégoire, et al.
Pubblicazione: (2026)
Investigating Video Reasoning Capability of Large Language Models with Tropes in Movies
di: Su, Hung-Ting, et al.
Pubblicazione: (2024)
di: Su, Hung-Ting, et al.
Pubblicazione: (2024)
VisionTS++: Cross-Modal Time Series Foundation Model with Continual Pre-trained Vision Backbones
di: Shen, Lefei, et al.
Pubblicazione: (2025)
di: Shen, Lefei, et al.
Pubblicazione: (2025)
Vision-Language Models Create Cross-Modal Task Representations
di: Luo, Grace, et al.
Pubblicazione: (2024)
di: Luo, Grace, et al.
Pubblicazione: (2024)
Documenti analoghi
-
Learning without Forgetting for Vision-Language Models
di: Zhou, Da-Wei, et al.
Pubblicazione: (2023) -
BOFA: Bridge-Layer Orthogonal Low-Rank Fusion for CLIP-Based Class-Incremental Learning
di: Li, Lan, et al.
Pubblicazione: (2025) -
Bridging the Modality Gap in Roadside LiDAR: A Training-Free Vision-Language Model Framework for Vehicle Classification
di: Li, Yiqiao, et al.
Pubblicazione: (2026) -
PILOT: A Pre-Trained Model-Based Continual Learning Toolbox
di: Sun, Hai-Long, et al.
Pubblicazione: (2023) -
Expandable Subspace Ensemble for Pre-Trained Model-Based Class-Incremental Learning
di: Zhou, Da-Wei, et al.
Pubblicazione: (2024)