Efficient Multimodal Large Language Models: A Survey
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Jin, Yizhang, Li, Jian, Liu, Yexin, Gu, Tianjun, Wu, Kai, Jiang, Zhengkai, He, Muyang, Zhao, Bo, Tan, Xin, Gan, Zhenye, Wang, Yabiao, Wang, Chengjie, Ma, Lizhuang |
|---|---|
| Format: | Preprint |
| Publié: |
2024
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
LLaVA-VSD: Large Language-and-Vision Assistant for Visual Spatial Description
par: Jin, Yizhang, et autres
Publié: (2024)
par: Jin, Yizhang, et autres
Publié: (2024)
A Survey on Benchmarks of Multimodal Large Language Models
par: Li, Jian, et autres
Publié: (2024)
par: Li, Jian, et autres
Publié: (2024)
SoftPatch+: Fully Unsupervised Anomaly Classification and Segmentation
par: Wang, Chengjie, et autres
Publié: (2024)
par: Wang, Chengjie, et autres
Publié: (2024)
Efficient Multimodal Learning from Data-centric Perspective
par: He, Muyang, et autres
Publié: (2024)
par: He, Muyang, et autres
Publié: (2024)
NoiseBoost: Alleviating Hallucination with Noise Perturbation for Multimodal Large Language Models
par: Wu, Kai, et autres
Publié: (2024)
par: Wu, Kai, et autres
Publié: (2024)
Improving Search Agent with One Line of Code
par: Li, Jian, et autres
Publié: (2026)
par: Li, Jian, et autres
Publié: (2026)
Textual Decomposition Then Sub-motion-space Scattering for Open-Vocabulary Motion Generation
par: Fan, Ke, et autres
Publié: (2024)
par: Fan, Ke, et autres
Publié: (2024)
PixelPonder: Dynamic Patch Adaptation for Enhanced Multi-Conditional Text-to-Image Generation
par: Pan, Yanjie, et autres
Publié: (2025)
par: Pan, Yanjie, et autres
Publié: (2025)
Real-IAD: A Real-World Multi-View Dataset for Benchmarking Versatile Industrial Anomaly Detection
par: Wang, Chengjie, et autres
Publié: (2024)
par: Wang, Chengjie, et autres
Publié: (2024)
A Comprehensive Library for Benchmarking Multi-class Visual Anomaly Detection
par: Zhang, Jiangning, et autres
Publié: (2024)
par: Zhang, Jiangning, et autres
Publié: (2024)
Reasoning to Edit: Hypothetical Instruction-Based Image Editing with Visual Reasoning
par: He, Qingdong, et autres
Publié: (2025)
par: He, Qingdong, et autres
Publié: (2025)
UniM-OV3D: Uni-Modality Open-Vocabulary 3D Scene Understanding with Fine-Grained Feature Representation
par: He, Qingdong, et autres
Publié: (2024)
par: He, Qingdong, et autres
Publié: (2024)
AdapNet: Adaptive Noise-Based Network for Low-Quality Image Retrieval
par: Zhang, Sihe, et autres
Publié: (2024)
par: Zhang, Sihe, et autres
Publié: (2024)
MobileMamba: Lightweight Multi-Receptive Visual Mamba Network
par: He, Haoyang, et autres
Publié: (2024)
par: He, Haoyang, et autres
Publié: (2024)
The devil is in the details: Enhancing Video Virtual Try-On via Keyframe-Driven Details Injection
par: He, Qingdong, et autres
Publié: (2025)
par: He, Qingdong, et autres
Publié: (2025)
LLaVA-KD: A Framework of Distilling Multimodal Large Language Models
par: Cai, Yuxuan, et autres
Publié: (2024)
par: Cai, Yuxuan, et autres
Publié: (2024)
MMoFusion: Multi-modal Co-Speech Motion Generation with Diffusion Model
par: Wang, Sen, et autres
Publié: (2024)
par: Wang, Sen, et autres
Publié: (2024)
Collaborative Face Experts Fusion in Video Generation: Boosting Identity Consistency Across Large Face Poses
par: Wang, Yuji, et autres
Publié: (2025)
par: Wang, Yuji, et autres
Publié: (2025)
SaRA: High-Efficient Diffusion Model Fine-tuning with Progressive Sparse Low-Rank Adaptation
par: Hu, Teng, et autres
Publié: (2024)
par: Hu, Teng, et autres
Publié: (2024)
Learning Unified Reference Representation for Unsupervised Multi-class Anomaly Detection
par: He, Liren, et autres
Publié: (2024)
par: He, Liren, et autres
Publié: (2024)
DMAD: Dual Memory Bank for Real-World Anomaly Detection
par: Hu, Jianlong, et autres
Publié: (2024)
par: Hu, Jianlong, et autres
Publié: (2024)
Transform Trained Transformer: Accelerating Naive 4K Video Generation Over 10$\times$
par: Zhang, Jiangning, et autres
Publié: (2025)
par: Zhang, Jiangning, et autres
Publié: (2025)
Vision-language models lag human performance on physical dynamics and intent reasoning
par: Gu, Tianjun, et autres
Publié: (2026)
par: Gu, Tianjun, et autres
Publié: (2026)
PSPU: Enhanced Positive and Unlabeled Learning by Leveraging Pseudo Supervision
par: Wang, Chengjie, et autres
Publié: (2024)
par: Wang, Chengjie, et autres
Publié: (2024)
RoleRMBench & RoleRM: Towards Reward Modeling for Profile-Based Role Play in Dialogue Systems
par: Ding, Hang, et autres
Publié: (2025)
par: Ding, Hang, et autres
Publié: (2025)
HumanVideo-MME: Benchmarking MLLMs for Human-Centric Video Understanding
par: Cai, Yuxuan, et autres
Publié: (2025)
par: Cai, Yuxuan, et autres
Publié: (2025)
PointRWKV: Efficient RWKV-Like Model for Hierarchical Point Cloud Learning
par: He, Qingdong, et autres
Publié: (2024)
par: He, Qingdong, et autres
Publié: (2024)
MDT-A2G: Exploring Masked Diffusion Transformers for Co-Speech Gesture Generation
par: Mao, Xiaofeng, et autres
Publié: (2024)
par: Mao, Xiaofeng, et autres
Publié: (2024)
VividPose: Advancing Stable Video Diffusion for Realistic Human Image Animation
par: Wang, Qilin, et autres
Publié: (2024)
par: Wang, Qilin, et autres
Publié: (2024)
Omni-Customizer: End-to-End MultiModal Customization for Joint Audio-Video Generation
par: Chen, Yuheng, et autres
Publié: (2026)
par: Chen, Yuheng, et autres
Publié: (2026)
MambaGesture: Enhancing Co-Speech Gesture Generation with Mamba and Disentangled Multi-Modality Fusion
par: Fu, Chencan, et autres
Publié: (2024)
par: Fu, Chencan, et autres
Publié: (2024)
Identity-Preserving Text-to-Video Generation Guided by Simple yet Effective Spatial-Temporal Decoupled Representations
par: Wang, Yuji, et autres
Publié: (2025)
par: Wang, Yuji, et autres
Publié: (2025)
Semantic Frame Interpolation
par: Hong, Yijia, et autres
Publié: (2025)
par: Hong, Yijia, et autres
Publié: (2025)
SE-Search: Self-Evolving Search Agent via Memory and Dense Reward
par: Li, Jian, et autres
Publié: (2026)
par: Li, Jian, et autres
Publié: (2026)
Hallucination of Multimodal Large Language Models: A Survey
par: Bai, Zechen, et autres
Publié: (2024)
par: Bai, Zechen, et autres
Publié: (2024)
DORAEMON: Decentralized Ontology-aware Reliable Agent with Enhanced Memory Oriented Navigation
par: Gu, Tianjun, et autres
Publié: (2025)
par: Gu, Tianjun, et autres
Publié: (2025)
FreeMotion: A Unified Framework for Number-free Text-to-Motion Synthesis
par: Fan, Ke, et autres
Publié: (2024)
par: Fan, Ke, et autres
Publié: (2024)
UniCombine: Unified Multi-Conditional Combination with Diffusion Transformer
par: Wang, Haoxuan, et autres
Publié: (2025)
par: Wang, Haoxuan, et autres
Publié: (2025)
Motif Counting in Complex Networks: A Comprehensive Survey
par: Yin, Haozhe, et autres
Publié: (2025)
par: Yin, Haozhe, et autres
Publié: (2025)
Real-IAD Variety: Pushing Industrial Anomaly Detection Dataset to a Modern Era
par: Zhu, Wenbing, et autres
Publié: (2025)
par: Zhu, Wenbing, et autres
Publié: (2025)
Documents similaires
-
LLaVA-VSD: Large Language-and-Vision Assistant for Visual Spatial Description
par: Jin, Yizhang, et autres
Publié: (2024) -
A Survey on Benchmarks of Multimodal Large Language Models
par: Li, Jian, et autres
Publié: (2024) -
SoftPatch+: Fully Unsupervised Anomaly Classification and Segmentation
par: Wang, Chengjie, et autres
Publié: (2024) -
Efficient Multimodal Learning from Data-centric Perspective
par: He, Muyang, et autres
Publié: (2024) -
NoiseBoost: Alleviating Hallucination with Noise Perturbation for Multimodal Large Language Models
par: Wu, Kai, et autres
Publié: (2024)