Buchumschlag

DEEM: Diffusion Models Serve as the Eyes of Large Language Models for Image Perception

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Luo, Run, Li, Yunshui, Chen, Longze, He, Wanwei, Lin, Ting-En, Liu, Ziqiang, Zhang, Lei, Song, Zikai, Xia, Xiaobo, Liu, Tongliang, Yang, Min, Hui, Binyuan
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Long Context is Not Long at All: A Prospector of Long-Dependency Data for Large Language Models
von: Chen, Longze, et al.
Veröffentlicht: (2024)

GUI-R1 : A Generalist R1-Style Vision-Language Action Model For GUI Agents
von: Luo, Run, et al.
Veröffentlicht: (2025)

IP-MOT: Instance Prompt Learning for Cross-Domain Multi-Object Tracking
von: Luo, Run, et al.
Veröffentlicht: (2024)

Ruler: A Model-Agnostic Method to Control Generated Length for Large Language Models
von: Li, Jiaming, et al.
Veröffentlicht: (2024)

Marathon: A Race Through the Realm of Long Context with Large Language Models
von: Zhang, Lei, et al.
Veröffentlicht: (2023)

VCM: Vision Concept Modeling Based on Implicit Contrastive Learning with Vision-Language Instruction Fine-Tuning
von: Luo, Run, et al.
Veröffentlicht: (2025)

Hierarchical Context Pruning: Optimizing Real-World Code Completion with Repository-Level Pretrained Code LLMs
von: Zhang, Lei, et al.
Veröffentlicht: (2024)

One-Shot Learning as Instruction Data Prospector for Large Language Models
von: Li, Yunshui, et al.
Veröffentlicht: (2023)

MMEvol: Empowering Multimodal Large Language Models with Evol-Instruct
von: Luo, Run, et al.
Veröffentlicht: (2024)

DEEM: Dynamic Experienced Expert Modeling for Stance Detection
von: Wang, Xiaolong, et al.
Veröffentlicht: (2024)

DiffusionTrack: Diffusion Model For Multi-Object Tracking
von: Luo, Run, et al.
Veröffentlicht: (2023)

NExT-OMNI: Towards Any-to-Any Omnimodal Foundation Models with Discrete Flow Matching
von: Luo, Run, et al.
Veröffentlicht: (2025)

OpenOmni: Advancing Open-Source Omnimodal Large Language Models with Progressive Multimodal Alignment and Real-Time Self-Aware Emotional Speech Synthesis
von: Luo, Run, et al.
Veröffentlicht: (2025)

Implicit Actor Critic Coupling via a Supervised Learning Framework for RLVR
von: Li, Jiaming, et al.
Veröffentlicht: (2025)

STORYTELLER: An Enhanced Plot-Planning Framework for Coherent and Cohesive Story Generation
von: Li, Jiaming, et al.
Veröffentlicht: (2025)

Omnimodal Dataset Distillation via High-order Proxy Alignment
von: Gao, Yuxuan, et al.
Veröffentlicht: (2026)

Few-Shot Adversarial Prompt Learning on Vision-Language Models
von: Zhou, Yiwei, et al.
Veröffentlicht: (2024)

CLaSp: In-Context Layer Skip for Self-Speculative Decoding
von: Chen, Longze, et al.
Veröffentlicht: (2025)

IDEAL: Influence-Driven Selective Annotations Empower In-Context Learners in Large Language Models
von: Zhang, Shaokun, et al.
Veröffentlicht: (2023)

LaVin-DiT: Large Vision Diffusion Transformer
von: Wang, Zhaoqing, et al.
Veröffentlicht: (2024)

Consistent Image Layout Editing with Diffusion Models
von: Xia, Tao, et al.
Veröffentlicht: (2025)

Leave No Document Behind: Benchmarking Long-Context LLMs with Extended Multi-Doc QA
von: Wang, Minzheng, et al.
Veröffentlicht: (2024)

DiffServe: Efficiently Serving Text-to-Image Diffusion Models with Query-Aware Model Scaling
von: Ahmad, Sohaib, et al.
Veröffentlicht: (2024)

Transferring Annotator- and Instance-dependent Transition Matrix for Learning from Crowds
von: Li, Shikun, et al.
Veröffentlicht: (2023)

TED-VITON: Transformer-Empowered Diffusion Models for Virtual Try-On
von: Wan, Zhenchen, et al.
Veröffentlicht: (2024)

Learning Ordinal Probabilistic Reward from Preferences
von: Chen, Longze, et al.
Veröffentlicht: (2026)

An Unsupervised Dialogue Topic Segmentation Model Based on Utterance Rewriting
von: Hou, Xia, et al.
Veröffentlicht: (2024)

Accelerating Parallel Diffusion Model Serving with Residual Compression
von: Luo, Jiajun, et al.
Veröffentlicht: (2025)

TridentServe: A Stage-level Serving System for Diffusion Pipelines
von: Xia, Yifei, et al.
Veröffentlicht: (2025)

Enhancing User-Centric Privacy Protection: An Interactive Framework through Diffusion Models and Machine Unlearning
von: Huang, Huaxi, et al.
Veröffentlicht: (2024)

Beyond Optimal Transport: Model-Aligned Coupling for Flow Matching
von: Lin, Yexiong, et al.
Veröffentlicht: (2025)

Large Language Models are Good Attackers: Efficient and Stealthy Textual Backdoor Attacks
von: Li, Ziqiang, et al.
Veröffentlicht: (2024)

Optimized View and Geometry Distillation from Multi-view Diffuser
von: Zhang, Youjia, et al.
Veröffentlicht: (2023)

Parallel Scaling Law for Language Models
von: Chen, Mouxiang, et al.
Veröffentlicht: (2025)

MoDM: Efficient Serving for Image Generation via Mixture-of-Diffusion Models
von: Xia, Yuchen, et al.
Veröffentlicht: (2025)

IPBench: Benchmarking the Knowledge of Large Language Models in Intellectual Property
von: Wang, Qiyao, et al.
Veröffentlicht: (2025)

Order Matters in Hallucination: Reasoning Order as Benchmark and Reflexive Prompting for Large-Language-Models
von: Xie, Zikai
Veröffentlicht: (2024)

Enhancing Diffusion Models for Inverse Problems with Covariance-Aware Posterior Sampling
von: Hamidi, Shayan Mohajer, et al.
Veröffentlicht: (2024)

DialCLIP: Empowering CLIP as Multi-Modal Dialog Retriever
von: Yin, Zhichao, et al.
Veröffentlicht: (2024)

Iterative Forward Tuning Boosts In-Context Learning in Language Models
von: Yang, Jiaxi, et al.
Veröffentlicht: (2023)