Empowering Segmentation Ability to Multi-modal Large Language Models
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Yang, Yuqi, Jiang, Peng-Tao, Wang, Jing, Zhang, Hao, Zhao, Kai, Chen, Jinwei, Li, Bo |
|---|---|
| Format: | Preprint |
| Publié: |
2024
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Multi-Task Dense Prediction via Mixture of Low-Rank Experts
par: Yang, Yuqi, et autres
Publié: (2024)
par: Yang, Yuqi, et autres
Publié: (2024)
Chain of Visual Perception: Harnessing Multimodal Large Language Models for Zero-shot Camouflaged Object Detection
par: Tang, Lv, et autres
Publié: (2023)
par: Tang, Lv, et autres
Publié: (2023)
High-Precision Dichotomous Image Segmentation via Probing Diffusion Capacity
par: Yu, Qian, et autres
Publié: (2024)
par: Yu, Qian, et autres
Publié: (2024)
Scalable Visual State Space Model with Fractal Scanning
par: Tang, Lv, et autres
Publié: (2024)
par: Tang, Lv, et autres
Publié: (2024)
Improving Consistency in Diffusion Models for Image Super-Resolution
par: Gu, Junhao, et autres
Publié: (2024)
par: Gu, Junhao, et autres
Publié: (2024)
InstructSeg: Unifying Instructed Visual Segmentation with Multi-modal Large Language Models
par: Wei, Cong, et autres
Publié: (2024)
par: Wei, Cong, et autres
Publié: (2024)
From CLIP to DINO: Visual Encoders Shout in Multi-modal Large Language Models
par: Jiang, Dongsheng, et autres
Publié: (2023)
par: Jiang, Dongsheng, et autres
Publié: (2023)
Large Multi-modal Models Can Interpret Features in Large Multi-modal Models
par: Zhang, Kaichen, et autres
Publié: (2024)
par: Zhang, Kaichen, et autres
Publié: (2024)
Frequency-domain Multi-modal Fusion for Language-guided Medical Image Segmentation
par: Yu, Bo, et autres
Publié: (2025)
par: Yu, Bo, et autres
Publié: (2025)
DrivingGPT: Unifying Driving World Modeling and Planning with Multi-modal Autoregressive Transformers
par: Chen, Yuntao, et autres
Publié: (2024)
par: Chen, Yuntao, et autres
Publié: (2024)
ControlSR: Taming Diffusion Models for Consistent Real-World Image Super Resolution
par: Wan, Yuhao, et autres
Publié: (2024)
par: Wan, Yuhao, et autres
Publié: (2024)
X-Prompt: Multi-modal Visual Prompt for Video Object Segmentation
par: Guo, Pinxue, et autres
Publié: (2024)
par: Guo, Pinxue, et autres
Publié: (2024)
KVSmooth: Mitigating Hallucination in Multi-modal Large Language Models through Key-Value Smoothing
par: Jiang, Siyu, et autres
Publié: (2026)
par: Jiang, Siyu, et autres
Publié: (2026)
MagicWorld: Towards Long-Horizon Stability for Interactive Video World Exploration
par: Li, Guangyuan, et autres
Publié: (2025)
par: Li, Guangyuan, et autres
Publié: (2025)
Towards Training-free Open-world Segmentation via Image Prompt Foundation Models
par: Tang, Lv, et autres
Publié: (2023)
par: Tang, Lv, et autres
Publié: (2023)
OCC-MLLM-Alpha:Empowering Multi-modal Large Language Model for the Understanding of Occluded Objects with Self-Supervised Test-Time Learning
par: Yang, Shuxin, et autres
Publié: (2024)
par: Yang, Shuxin, et autres
Publié: (2024)
ActiView: Evaluating Active Perception Ability for Multimodal Large Language Models
par: Wang, Ziyue, et autres
Publié: (2024)
par: Wang, Ziyue, et autres
Publié: (2024)
Unified Generative and Discriminative Training for Multi-modal Large Language Models
par: Chow, Wei, et autres
Publié: (2024)
par: Chow, Wei, et autres
Publié: (2024)
Unsupervised Modality Adaptation with Text-to-Image Diffusion Models for Semantic Segmentation
par: Xia, Ruihao, et autres
Publié: (2024)
par: Xia, Ruihao, et autres
Publié: (2024)
What If the TV Was Off? Examining Counterfactual Reasoning Abilities of Multi-modal Language Models
par: Zhang, Letian, et autres
Publié: (2023)
par: Zhang, Letian, et autres
Publié: (2023)
3DCity-LLM: Empowering Multi-modality Large Language Models for 3D City-scale Perception and Understanding
par: Chen, Yiping, et autres
Publié: (2026)
par: Chen, Yiping, et autres
Publié: (2026)
Efficient Multi-modal Large Language Models via Visual Token Grouping
par: Huang, Minbin, et autres
Publié: (2024)
par: Huang, Minbin, et autres
Publié: (2024)
HyperET: Efficient Training in Hyperbolic Space for Multi-modal Large Language Models
par: Peng, Zelin, et autres
Publié: (2025)
par: Peng, Zelin, et autres
Publié: (2025)
Improving Adversarial Energy-Based Model via Diffusion Process
par: Geng, Cong, et autres
Publié: (2024)
par: Geng, Cong, et autres
Publié: (2024)
SDMatte: Grafting Diffusion Models for Interactive Matting
par: Huang, Longfei, et autres
Publié: (2025)
par: Huang, Longfei, et autres
Publié: (2025)
UNK-VQA: A Dataset and a Probe into the Abstention Ability of Multi-modal Large Models
par: Guo, Yangyang, et autres
Publié: (2023)
par: Guo, Yangyang, et autres
Publié: (2023)
Multi-modal Mutual-Guidance Conditional Prompt Learning for Vision-Language Models
par: Yang, Shijun, et autres
Publié: (2025)
par: Yang, Shijun, et autres
Publié: (2025)
Efficient Multi-modal Large Language Models via Progressive Consistency Distillation
par: Wen, Zichen, et autres
Publié: (2025)
par: Wen, Zichen, et autres
Publié: (2025)
SimDistill: Simulated Multi-modal Distillation for BEV 3D Object Detection
par: Zhao, Haimei, et autres
Publié: (2023)
par: Zhao, Haimei, et autres
Publié: (2023)
LLMTrack: Semantic Multi-Object Tracking with Multi-modal Large Language Models
par: Liao, Pan, et autres
Publié: (2026)
par: Liao, Pan, et autres
Publié: (2026)
Vision-Motion-Reference Alignment for Referring Multi-Object Tracking via Multi-Modal Large Language Models
par: Lv, Weiyi, et autres
Publié: (2025)
par: Lv, Weiyi, et autres
Publié: (2025)
Empowering Large Language Models with 3D Situation Awareness
par: Yuan, Zhihao, et autres
Publié: (2025)
par: Yuan, Zhihao, et autres
Publié: (2025)
RTime-QA: A Benchmark for Atomic Temporal Event Understanding in Large Multi-modal Models
par: Liu, Yuqi, et autres
Publié: (2025)
par: Liu, Yuqi, et autres
Publié: (2025)
Improving Multi-modal Large Language Model through Boosting Vision Capabilities
par: Sun, Yanpeng, et autres
Publié: (2024)
par: Sun, Yanpeng, et autres
Publié: (2024)
MagicTryOn: Harnessing Diffusion Transformer for Garment-Preserving Video Virtual Try-on
par: Li, Guangyuan, et autres
Publié: (2025)
par: Li, Guangyuan, et autres
Publié: (2025)
M2N2V2: Multi-Modal Unsupervised and Training-free Interactive Segmentation
par: Karmann, Markus, et autres
Publié: (2025)
par: Karmann, Markus, et autres
Publié: (2025)
Towards Photorealistic and Efficient Bokeh Rendering via Diffusion Framework
par: Shi, Linxiao, et autres
Publié: (2026)
par: Shi, Linxiao, et autres
Publié: (2026)
Learning Adaptive Lighting via Channel-Aware Guidance
par: Yang, Qirui, et autres
Publié: (2024)
par: Yang, Qirui, et autres
Publié: (2024)
Multi-modal Auto-regressive Modeling via Visual Words
par: Peng, Tianshuo, et autres
Publié: (2024)
par: Peng, Tianshuo, et autres
Publié: (2024)
LLMRA: Multi-modal Large Language Model based Restoration Assistant
par: Jin, Xiaoyu, et autres
Publié: (2024)
par: Jin, Xiaoyu, et autres
Publié: (2024)
Documents similaires
-
Multi-Task Dense Prediction via Mixture of Low-Rank Experts
par: Yang, Yuqi, et autres
Publié: (2024) -
Chain of Visual Perception: Harnessing Multimodal Large Language Models for Zero-shot Camouflaged Object Detection
par: Tang, Lv, et autres
Publié: (2023) -
High-Precision Dichotomous Image Segmentation via Probing Diffusion Capacity
par: Yu, Qian, et autres
Publié: (2024) -
Scalable Visual State Space Model with Fractal Scanning
par: Tang, Lv, et autres
Publié: (2024) -
Improving Consistency in Diffusion Models for Image Super-Resolution
par: Gu, Junhao, et autres
Publié: (2024)