Copertina

TinyLLaVA Factory: A Modularized Codebase for Small-scale Large Multimodal Models

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Jia, Junlong, Hu, Ying, Weng, Xi, Shi, Yiming, Li, Miao, Zhang, Xingjian, Zhou, Baichuan, Liu, Ziyu, Luo, Jie, Huang, Lei, Wu, Ji
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

TinyLLaVA: A Framework of Small-scale Large Multimodal Models
di: Zhou, Baichuan, et al.
Pubblicazione: (2024)

TinyLLaVA-Video: Towards Smaller LMMs for Video Understanding with Group Resampler
di: Zhang, Xingjian, et al.
Pubblicazione: (2025)

TinyLLaVA-Video-R1: Towards Smaller LMMs for Video Reasoning
di: Zhang, Xingjian, et al.
Pubblicazione: (2025)

Democratizing MLLMs in Healthcare: TinyLLaVA-Med for Efficient Healthcare Diagnostics in Resource-Constrained Settings
di: Mir, Aya El, et al.
Pubblicazione: (2024)

LLaVA-MoD: Making LLaVA Tiny via MoE Knowledge Distillation
di: Shu, Fangxun, et al.
Pubblicazione: (2024)

LLaVAC: Fine-tuning LLaVA as a Multimodal Sentiment Classifier
di: Chay-intr, T., et al.
Pubblicazione: (2025)

Amharic LLaMA and LLaVA: Multimodal LLMs for Low Resource Languages
di: Andersland, Michael
Pubblicazione: (2024)

TG-LLaVA: Text Guided LLaVA via Learnable Latent Embeddings
di: Yan, Dawei, et al.
Pubblicazione: (2024)

AVG-LLaVA: An Efficient Large Multimodal Model with Adaptive Visual Granularity
di: Lan, Zhibin, et al.
Pubblicazione: (2024)

LLaVA-ST: A Multimodal Large Language Model for Fine-Grained Spatial-Temporal Understanding
di: Li, Hongyu, et al.
Pubblicazione: (2025)

LLaVA-Critic: Learning to Evaluate Multimodal Models
di: Xiong, Tianyi, et al.
Pubblicazione: (2024)

INF-LLaVA: Dual-perspective Perception for High-Resolution Multimodal Large Language Model
di: Ma, Yiwei, et al.
Pubblicazione: (2024)

Math-LLaVA: Bootstrapping Mathematical Reasoning for Multimodal Large Language Models
di: Shi, Wenhao, et al.
Pubblicazione: (2024)

RPG: A Repository Planning Graph for Unified and Scalable Codebase Generation
di: Luo, Jane, et al.
Pubblicazione: (2025)

CityLLaVA: Efficient Fine-Tuning for VLMs in City Scenario
di: Duan, Zhizhao, et al.
Pubblicazione: (2024)

Cosmos-LLaVA: Chatting with the Visual Cosmos-LLaVA: Görselle Sohbet Etmek
di: Zeer, Ahmed, et al.
Pubblicazione: (2024)

LLaVA-NeuMT: Selective Layer-Neuron Modulation for Efficient Multilingual Multimodal Translation
di: Wei, Jingxuan, et al.
Pubblicazione: (2025)

Wiki-LLaVA: Hierarchical Retrieval-Augmented Generation for Multimodal LLMs
di: Caffagni, Davide, et al.
Pubblicazione: (2024)

LLaVA-Read: Enhancing Reading Ability of Multimodal Language Models
di: Zhang, Ruiyi, et al.
Pubblicazione: (2024)

PerturboLLaVA: Reducing Multimodal Hallucinations with Perturbative Visual Training
di: Chen, Cong, et al.
Pubblicazione: (2025)

LLaVA-Phi: Efficient Multi-Modal Assistant with Small Language Model
di: Zhu, Yichen, et al.
Pubblicazione: (2024)

UrbanLLaVA: A Multi-modal Large Language Model for Urban Intelligence with Spatial Reasoning and Understanding
di: Feng, Jie, et al.
Pubblicazione: (2025)

360-LLaMA-Factory: Plug & Play Sequence Parallelism for Long Post-Training
di: Zou, Haosheng, et al.
Pubblicazione: (2025)

HyperLLaVA: Dynamic Visual and Language Expert Tuning for Multimodal Large Language Models
di: Zhang, Wenqiao, et al.
Pubblicazione: (2024)

ConvLLaVA: Hierarchical Backbones as Visual Encoder for Large Multimodal Models
di: Ge, Chunjiang, et al.
Pubblicazione: (2024)

Beyond LLaVA-HD: Diving into High-Resolution Large Multimodal Models
di: Zhang, Yi-Fan, et al.
Pubblicazione: (2024)

LLaVA-KD: A Framework of Distilling Multimodal Large Language Models
di: Cai, Yuxuan, et al.
Pubblicazione: (2024)

LLaVA-FA: Learning Fourier Approximation for Compressing Large Multimodal Models
di: Zheng, Pengcheng, et al.
Pubblicazione: (2026)

Purrfessor: A Fine-tuned Multimodal LLaVA Diet Health Chatbot
di: Lu, Linqi, et al.
Pubblicazione: (2024)

MC-LLaVA: Multi-Concept Personalized Vision-Language Model
di: An, Ruichuan, et al.
Pubblicazione: (2025)

ModARO: A Modular Approach to Architecture Reconstruction of Distributed Microservice Codebases
di: Manglaras, Oscar, et al.
Pubblicazione: (2026)

Multi-Object Tracking Retrieval with LLaVA-Video: A Training-Free Solution to MOT25-StAG Challenge
di: Yang, Yi, et al.
Pubblicazione: (2025)

Geo-LLaVA: A Large Multi-Modal Model for Solving Geometry Math Problems with Meta In-Context Learning
di: Xu, Shihao, et al.
Pubblicazione: (2024)

MC-LLaVA: Multi-Concept Personalized Vision-Language Model
di: An, Ruichuan, et al.
Pubblicazione: (2024)

LLaVA-OneVision-1.5: Fully Open Framework for Democratized Multimodal Training
di: An, Xiang, et al.
Pubblicazione: (2025)

LLaVA-PruMerge: Adaptive Token Reduction for Efficient Large Multimodal Models
di: Shang, Yuzhang, et al.
Pubblicazione: (2024)

MLLM-LLaVA-FL: Multimodal Large Language Model Assisted Federated Learning
di: Zhang, Jianyi, et al.
Pubblicazione: (2024)

Causal-LLaVA: Causal Disentanglement for Mitigating Hallucination in Multimodal Large Language Models
di: Hu, Xinmiao, et al.
Pubblicazione: (2025)

WSI-LLaVA: A Multimodal Large Language Model for Whole Slide Image
di: Liang, Yuci, et al.
Pubblicazione: (2024)

Agri-LLaVA: Knowledge-Infused Large Multimodal Assistant on Agricultural Pests and Diseases
di: Wang, Liqiong, et al.
Pubblicazione: (2024)