Enregistré dans:
| Auteurs principaux: | Fang, Ye, Sun, Zeyi, Wu, Tong, Wang, Jiaqi, Liu, Ziwei, Wetzstein, Gordon, Lin, Dahua |
|---|---|
| Format: | Preprint |
| Publié: |
2024
|
| Sujets: | |
| Accès en ligne: | https://arxiv.org/abs/2404.16829 |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
RelightVid: Temporal-Consistent Diffusion Model for Video Relighting
par: Fang, Ye, et autres
Publié: (2025)
par: Fang, Ye, et autres
Publié: (2025)
3DGen-Bench: Comprehensive Benchmark Suite for 3D Generative Models
par: Zhang, Yuhan, et autres
Publié: (2025)
par: Zhang, Yuhan, et autres
Publié: (2025)
LayerPano3D: Layered 3D Panorama for Hyper-Immersive Scene Generation
par: Yang, Shuai, et autres
Publié: (2024)
par: Yang, Shuai, et autres
Publié: (2024)
GenDoP: Auto-regressive Camera Trajectory Generation as a Director of Photography
par: Zhang, Mengchen, et autres
Publié: (2025)
par: Zhang, Mengchen, et autres
Publié: (2025)
Speak While Watching: Unleashing TRUE Real-Time Video Understanding Capability of Multimodal Large Language Models
par: Lin, Junyan, et autres
Publié: (2026)
par: Lin, Junyan, et autres
Publié: (2026)
SEAgent: Self-Evolving Computer Use Agent with Autonomous Learning from Experience
par: Sun, Zeyi, et autres
Publié: (2025)
par: Sun, Zeyi, et autres
Publié: (2025)
GPT-4V(ision) is a Human-Aligned Evaluator for Text-to-3D Generation
par: Wu, Tong, et autres
Publié: (2024)
par: Wu, Tong, et autres
Publié: (2024)
Video World Models with Long-term Spatial Memory
par: Wu, Tong, et autres
Publié: (2025)
par: Wu, Tong, et autres
Publié: (2025)
FiVA: Fine-grained Visual Attribute Dataset for Text-to-Image Diffusion Models
par: Wu, Tong, et autres
Publié: (2024)
par: Wu, Tong, et autres
Publié: (2024)
Omni6D: Large-Vocabulary 3D Object Dataset for Category-Level 6D Object Pose Estimation
par: Zhang, Mengchen, et autres
Publié: (2024)
par: Zhang, Mengchen, et autres
Publié: (2024)
GPT4Point: A Unified Framework for Point-Language Understanding and Generation
par: Qi, Zhangyang, et autres
Publié: (2023)
par: Qi, Zhangyang, et autres
Publié: (2023)
GalleryGPT: Analyzing Paintings with Large Multimodal Models
par: Bin, Yi, et autres
Publié: (2024)
par: Bin, Yi, et autres
Publié: (2024)
ANAH: Analytical Annotation of Hallucinations in Large Language Models
par: Ji, Ziwei, et autres
Publié: (2024)
par: Ji, Ziwei, et autres
Publié: (2024)
MCPVerse: An Expansive, Real-World Benchmark for Agentic Tool Use
par: Lei, Fei, et autres
Publié: (2025)
par: Lei, Fei, et autres
Publié: (2025)
Beyond Fixed: Training-Free Variable-Length Denoising for Diffusion Large Language Models
par: Li, Jinsong, et autres
Publié: (2025)
par: Li, Jinsong, et autres
Publié: (2025)
ANAH-v2: Scaling Analytical Hallucination Annotation of Large Language Models
par: Gu, Yuzhe, et autres
Publié: (2024)
par: Gu, Yuzhe, et autres
Publié: (2024)
RedTeamCUA: Realistic Adversarial Testing of Computer-Use Agents in Hybrid Web-OS Environments
par: Liao, Zeyi, et autres
Publié: (2025)
par: Liao, Zeyi, et autres
Publié: (2025)
Bootstrap3D: Improving Multi-view Diffusion Model with Synthetic Data
par: Sun, Zeyi, et autres
Publié: (2024)
par: Sun, Zeyi, et autres
Publié: (2024)
Unleashing Spatial Reasoning in Multimodal Large Language Models via Textual Representation Guided Reasoning
par: Hua, Jiacheng, et autres
Publié: (2026)
par: Hua, Jiacheng, et autres
Publié: (2026)
AmpleGCG: Learning a Universal and Transferable Generative Model of Adversarial Suffixes for Jailbreaking Both Open and Closed LLMs
par: Liao, Zeyi, et autres
Publié: (2024)
par: Liao, Zeyi, et autres
Publié: (2024)
Unleashing Perception-Time Scaling to Multimodal Reasoning Models
par: Li, Yifan, et autres
Publié: (2025)
par: Li, Yifan, et autres
Publié: (2025)
Utilize the Flow before Stepping into the Same River Twice: Certainty Represented Knowledge Flow for Refusal-Aware Instruction Tuning
par: Zhu, Runchuan, et autres
Publié: (2024)
par: Zhu, Runchuan, et autres
Publié: (2024)
Scaling Behavior for Large Language Models regarding Numeral Systems: An Example using Pythia
par: Zhou, Zhejian, et autres
Publié: (2024)
par: Zhou, Zhejian, et autres
Publié: (2024)
Prism: A Framework for Decoupling and Assessing the Capabilities of VLMs
par: Qiao, Yuxuan, et autres
Publié: (2024)
par: Qiao, Yuxuan, et autres
Publié: (2024)
Crossroads of Continents: Automated Artifact Extraction for Cultural Adaptation with Large Multimodal Models
par: Mukherjee, Anjishnu, et autres
Publié: (2024)
par: Mukherjee, Anjishnu, et autres
Publié: (2024)
Deciphering Cross-Modal Alignment in Large Vision-Language Models with Modality Integration Rate
par: Huang, Qidong, et autres
Publié: (2024)
par: Huang, Qidong, et autres
Publié: (2024)
Tree-of-Table: Unleashing the Power of LLMs for Enhanced Large-Scale Table Understanding
par: Ji, Deyi, et autres
Publié: (2024)
par: Ji, Deyi, et autres
Publié: (2024)
PyramidDrop: Accelerating Your Large Vision-Language Models via Pyramid Visual Redundancy Reduction
par: Xing, Long, et autres
Publié: (2024)
par: Xing, Long, et autres
Publié: (2024)
RealHiTBench: A Comprehensive Realistic Hierarchical Table Benchmark for Evaluating LLM-Based Table Analysis
par: Wu, Pengzuo, et autres
Publié: (2025)
par: Wu, Pengzuo, et autres
Publié: (2025)
Unleashing Large Language Models' Proficiency in Zero-shot Essay Scoring
par: Lee, Sanwoo, et autres
Publié: (2024)
par: Lee, Sanwoo, et autres
Publié: (2024)
Learning to Check: Unleashing Potentials for Self-Correction in Large Language Models
par: Zhang, Che, et autres
Publié: (2024)
par: Zhang, Che, et autres
Publié: (2024)
ETCHR: Editing To Clarify and Harness Reasoning
par: Zhang, Beichen, et autres
Publié: (2026)
par: Zhang, Beichen, et autres
Publié: (2026)
MMBench: Is Your Multi-modal Model an All-around Player?
par: Liu, Yuan, et autres
Publié: (2023)
par: Liu, Yuan, et autres
Publié: (2023)
MathScape: Benchmarking Multimodal Large Language Models in Real-World Mathematical Contexts
par: Liang, Hao, et autres
Publié: (2024)
par: Liang, Hao, et autres
Publié: (2024)
WorldTravel: A Realistic Multimodal Travel-Planning Benchmark with Tightly Coupled Constraints
par: Wang, Zexuan, et autres
Publié: (2026)
par: Wang, Zexuan, et autres
Publié: (2026)
ScienceBoard: Evaluating Multimodal Autonomous Agents in Realistic Scientific Workflows
par: Sun, Qiushi, et autres
Publié: (2025)
par: Sun, Qiushi, et autres
Publié: (2025)
ProSA: Assessing and Understanding the Prompt Sensitivity of LLMs
par: Zhuo, Jingming, et autres
Publié: (2024)
par: Zhuo, Jingming, et autres
Publié: (2024)
Unleashing Hour-Scale Video Training for Long Video-Language Understanding
par: Lin, Jingyang, et autres
Publié: (2025)
par: Lin, Jingyang, et autres
Publié: (2025)
CharXiv: Charting Gaps in Realistic Chart Understanding in Multimodal LLMs
par: Wang, Zirui, et autres
Publié: (2024)
par: Wang, Zirui, et autres
Publié: (2024)
WildClawBench: A Benchmark for Real-World, Long-Horizon Agent Evaluation
par: Ding, Shuangrui, et autres
Publié: (2026)
par: Ding, Shuangrui, et autres
Publié: (2026)
Documents similaires
-
RelightVid: Temporal-Consistent Diffusion Model for Video Relighting
par: Fang, Ye, et autres
Publié: (2025) -
3DGen-Bench: Comprehensive Benchmark Suite for 3D Generative Models
par: Zhang, Yuhan, et autres
Publié: (2025) -
LayerPano3D: Layered 3D Panorama for Hyper-Immersive Scene Generation
par: Yang, Shuai, et autres
Publié: (2024) -
GenDoP: Auto-regressive Camera Trajectory Generation as a Director of Photography
par: Zhang, Mengchen, et autres
Publié: (2025) -
Speak While Watching: Unleashing TRUE Real-Time Video Understanding Capability of Multimodal Large Language Models
par: Lin, Junyan, et autres
Publié: (2026)