Design as Desired: Utilizing Visual Question Answering for Multimodal Pre-training
Fuente:
arXiv
Salvato in:
| Autori principali: | Su, Tongkun, Li, Jun, Zhang, Xi, Jin, Haibo, Chen, Hao, Wang, Qiong, Lv, Faqin, Zhao, Baoliang, Hu, Yin |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2024
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Ultrasound Report Generation with Cross-Modality Feature Alignment via Unsupervised Guidance
di: Li, Jun, et al.
Pubblicazione: (2024)
di: Li, Jun, et al.
Pubblicazione: (2024)
Enhancing Question Answering on Charts Through Effective Pre-training Tasks
di: Gupta, Ashim, et al.
Pubblicazione: (2024)
di: Gupta, Ashim, et al.
Pubblicazione: (2024)
Pre-training, Fine-tuning and Re-ranking: A Three-Stage Framework for Legal Question Answering
di: Ni, Shiwen, et al.
Pubblicazione: (2024)
di: Ni, Shiwen, et al.
Pubblicazione: (2024)
Efficient Multimodal Planning Agent for Visual Question-Answering
di: Chen, Zhuo, et al.
Pubblicazione: (2026)
di: Chen, Zhuo, et al.
Pubblicazione: (2026)
LIVE: Learnable In-Context Vector for Visual Question Answering
di: Peng, Yingzhe, et al.
Pubblicazione: (2024)
di: Peng, Yingzhe, et al.
Pubblicazione: (2024)
Pre-trained Transformer-Based Approach for Arabic Question Answering : A Comparative Study
di: Alsubhi, Kholoud, et al.
Pubblicazione: (2021)
di: Alsubhi, Kholoud, et al.
Pubblicazione: (2021)
Source-Free Domain Adaptation for Question Answering with Masked Self-training
di: Yin, M., et al.
Pubblicazione: (2022)
di: Yin, M., et al.
Pubblicazione: (2022)
Multimodal Integration of Human-Like Attention in Visual Question Answering
di: Sood, Ekta, et al.
Pubblicazione: (2021)
di: Sood, Ekta, et al.
Pubblicazione: (2021)
Multimodal Reranking for Knowledge-Intensive Visual Question Answering
di: Wen, Haoyang, et al.
Pubblicazione: (2024)
di: Wen, Haoyang, et al.
Pubblicazione: (2024)
Multimodal Commonsense Knowledge Distillation for Visual Question Answering
di: Yang, Shuo, et al.
Pubblicazione: (2024)
di: Yang, Shuo, et al.
Pubblicazione: (2024)
Understanding Multimodal LLMs: the Mechanistic Interpretability of Llava in Visual Question Answering
di: Yu, Zeping, et al.
Pubblicazione: (2024)
di: Yu, Zeping, et al.
Pubblicazione: (2024)
Hierarchical Multimodal Pre-training for Visually Rich Webpage Understanding
di: Xu, Hongshen, et al.
Pubblicazione: (2024)
di: Xu, Hongshen, et al.
Pubblicazione: (2024)
Weakly Supervised Gaussian Contrastive Grounding with Large Multimodal Models for Video Question Answering
di: Wang, Haibo, et al.
Pubblicazione: (2024)
di: Wang, Haibo, et al.
Pubblicazione: (2024)
MAGIC-VQA: Multimodal And Grounded Inference with Commonsense Knowledge for Visual Question Answering
di: Yang, Shuo, et al.
Pubblicazione: (2025)
di: Yang, Shuo, et al.
Pubblicazione: (2025)
Ultrasound Report Generation with Multimodal Large Language Models for Standardized Texts
di: Ge, Peixuan, et al.
Pubblicazione: (2025)
di: Ge, Peixuan, et al.
Pubblicazione: (2025)
Selectively Answering Visual Questions
di: Eisenschlos, Julian Martin, et al.
Pubblicazione: (2024)
di: Eisenschlos, Julian Martin, et al.
Pubblicazione: (2024)
Towards Perceiving Small Visual Details in Zero-shot Visual Question Answering with Multimodal LLMs
di: Zhang, Jiarui, et al.
Pubblicazione: (2023)
di: Zhang, Jiarui, et al.
Pubblicazione: (2023)
Computed Tomography Visual Question Answering with Cross-modal Feature Graphing
di: Tian, Yuanhe, et al.
Pubblicazione: (2025)
di: Tian, Yuanhe, et al.
Pubblicazione: (2025)
Pre-training Cross-lingual Open Domain Question Answering with Large-scale Synthetic Supervision
di: Jiang, Fan, et al.
Pubblicazione: (2024)
di: Jiang, Fan, et al.
Pubblicazione: (2024)
ReasoningLM: Enabling Structural Subgraph Reasoning in Pre-trained Language Models for Question Answering over Knowledge Graph
di: Jiang, Jinhao, et al.
Pubblicazione: (2023)
di: Jiang, Jinhao, et al.
Pubblicazione: (2023)
EVJVQA Challenge: Multilingual Visual Question Answering
di: Nguyen, Ngan Luu-Thuy, et al.
Pubblicazione: (2023)
di: Nguyen, Ngan Luu-Thuy, et al.
Pubblicazione: (2023)
MOTOR: Multimodal Optimal Transport via Grounded Retrieval in Medical Visual Question Answering
di: Shaaban, Mai A., et al.
Pubblicazione: (2025)
di: Shaaban, Mai A., et al.
Pubblicazione: (2025)
Dynamic Clue Bottlenecks: Towards Interpretable-by-Design Visual Question Answering
di: Fu, Xingyu, et al.
Pubblicazione: (2023)
di: Fu, Xingyu, et al.
Pubblicazione: (2023)
Rationale-guided Prompting for Knowledge-based Visual Question Answering
di: Hu, Zhongjian, et al.
Pubblicazione: (2024)
di: Hu, Zhongjian, et al.
Pubblicazione: (2024)
PDF-MVQA: A Dataset for Multimodal Information Retrieval in PDF-based Visual Question Answering
di: Ding, Yihao, et al.
Pubblicazione: (2024)
di: Ding, Yihao, et al.
Pubblicazione: (2024)
VQA-MHUG: A Gaze Dataset to Study Multimodal Neural Attention in Visual Question Answering
di: Sood, Ekta, et al.
Pubblicazione: (2021)
di: Sood, Ekta, et al.
Pubblicazione: (2021)
Question Answering for Decisionmaking in Green Building Design: A Multimodal Data Reasoning Method Driven by Large Language Models
di: Li, Yihui, et al.
Pubblicazione: (2024)
di: Li, Yihui, et al.
Pubblicazione: (2024)
FlowVQA: Mapping Multimodal Logic in Visual Question Answering with Flowcharts
di: Singh, Shubhankar, et al.
Pubblicazione: (2024)
di: Singh, Shubhankar, et al.
Pubblicazione: (2024)
Knowledge-Based Counterfactual Queries for Visual Question Answering
di: Stoikou, Theodoti, et al.
Pubblicazione: (2023)
di: Stoikou, Theodoti, et al.
Pubblicazione: (2023)
DARE: Diverse Visual Question Answering with Robustness Evaluation
di: Sterz, Hannah, et al.
Pubblicazione: (2024)
di: Sterz, Hannah, et al.
Pubblicazione: (2024)
Fast or Slow? Integrating Fast Intuition and Deliberate Thinking for Enhancing Visual Question Answering
di: Jiang, Songtao, et al.
Pubblicazione: (2025)
di: Jiang, Songtao, et al.
Pubblicazione: (2025)
Multi-TW: Benchmarking Multimodal Models on Traditional Chinese Question Answering in Taiwan
di: Yao, Jui-Ming, et al.
Pubblicazione: (2025)
di: Yao, Jui-Ming, et al.
Pubblicazione: (2025)
MMToM-QA: Multimodal Theory of Mind Question Answering
di: Jin, Chuanyang, et al.
Pubblicazione: (2024)
di: Jin, Chuanyang, et al.
Pubblicazione: (2024)
Improving Continual Pre-training Through Seamless Data Packing
di: Yin, Ruicheng, et al.
Pubblicazione: (2025)
di: Yin, Ruicheng, et al.
Pubblicazione: (2025)
Afri-MCQA: Multimodal Cultural Question Answering for African Languages
di: Tonja, Atnafu Lambebo, et al.
Pubblicazione: (2026)
di: Tonja, Atnafu Lambebo, et al.
Pubblicazione: (2026)
Graph-Based Multimodal Contrastive Learning for Chart Question Answering
di: Dai, Yue, et al.
Pubblicazione: (2025)
di: Dai, Yue, et al.
Pubblicazione: (2025)
Enhancing Visual Question Answering through Ranking-Based Hybrid Training and Multimodal Fusion
di: Chen, Peiyuan, et al.
Pubblicazione: (2024)
di: Chen, Peiyuan, et al.
Pubblicazione: (2024)
An Entailment Tree Generation Approach for Multimodal Multi-Hop Question Answering with Mixture-of-Experts and Iterative Feedback Mechanism
di: Zhang, Qing, et al.
Pubblicazione: (2024)
di: Zhang, Qing, et al.
Pubblicazione: (2024)
Designing and Evaluating Chain-of-Hints for Scientific Question Answering
di: Jangra, Anubhav, et al.
Pubblicazione: (2025)
di: Jangra, Anubhav, et al.
Pubblicazione: (2025)
Pre-training Distillation for Large Language Models: A Design Space Exploration
di: Peng, Hao, et al.
Pubblicazione: (2024)
di: Peng, Hao, et al.
Pubblicazione: (2024)
Documenti analoghi
-
Ultrasound Report Generation with Cross-Modality Feature Alignment via Unsupervised Guidance
di: Li, Jun, et al.
Pubblicazione: (2024) -
Enhancing Question Answering on Charts Through Effective Pre-training Tasks
di: Gupta, Ashim, et al.
Pubblicazione: (2024) -
Pre-training, Fine-tuning and Re-ranking: A Three-Stage Framework for Legal Question Answering
di: Ni, Shiwen, et al.
Pubblicazione: (2024) -
Efficient Multimodal Planning Agent for Visual Question-Answering
di: Chen, Zhuo, et al.
Pubblicazione: (2026) -
LIVE: Learnable In-Context Vector for Visual Question Answering
di: Peng, Yingzhe, et al.
Pubblicazione: (2024)