Copertina

Multilingual Diversity Improves Vision-Language Representations

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Nguyen, Thao, Wallingford, Matthew, Santy, Sebastin, Ma, Wei-Chiu, Oh, Sewoong, Schmidt, Ludwig, Koh, Pang Wei, Krishna, Ranjay
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Computer Vision and Pattern Recognition Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Semantic and Expressive Variation in Image Captions Across Languages
di: Ye, Andre, et al.
Pubblicazione: (2023)

When Incentives Backfire, Data Stops Being Human
di: Santy, Sebastin, et al.
Pubblicazione: (2025)

The Unmet Promise of Synthetic Training Images: Using Retrieved Real Images Performs Better
di: Geng, Scott, et al.
Pubblicazione: (2024)

Concept-Aware Batch Sampling Improves Language-Image Pretraining
di: Ghosh, Adhiraj, et al.
Pubblicazione: (2025)

Beyond the Frame: Generating 360 Panoramic Videos from Perspective Videos
di: Luo, Rundong, et al.
Pubblicazione: (2025)

Iterated Learning Improves Compositionality in Large Vision-Language Models
di: Zheng, Chenhao, et al.
Pubblicazione: (2024)

Ablate-to-Validate: Are Vision-Language Models Really Using Continuous Thought Tokens?
di: Zhang, Tianyi, et al.
Pubblicazione: (2026)

The Hard Positive Truth about Vision-Language Compositionality
di: Kamath, Amita, et al.
Pubblicazione: (2024)

Posterior Augmented Flow Matching
di: Stoica, George, et al.
Pubblicazione: (2026)

SPARO: Selective Attention for Robust and Compositional Transformer Encodings for Vision
di: Vani, Ankit, et al.
Pubblicazione: (2024)

Coarse Correspondences Boost Spatial-Temporal Reasoning in Multimodal Language Model
di: Liu, Benlin, et al.
Pubblicazione: (2024)

Scale Can't Overcome Pragmatics: The Impact of Reporting Bias on Vision-Language Reasoning
di: Kamath, Amita, et al.
Pubblicazione: (2026)

Visual Representations inside the Language Model
di: Liu, Benlin, et al.
Pubblicazione: (2025)

VLS: Steering Pretrained Robot Policies via Vision-Language Models
di: Liu, Shuo, et al.
Pubblicazione: (2026)

CapNav: Benchmarking Vision Language Models on Capability-conditioned Indoor Navigation
di: Su, Xia, et al.
Pubblicazione: (2026)

Selective Visual Representations Improve Convergence and Generalization for Embodied AI
di: Eftekhar, Ainaz, et al.
Pubblicazione: (2023)

YoChameleon: Personalized Vision and Language Generation
di: Nguyen, Thao, et al.
Pubblicazione: (2025)

MedicalNarratives: Connecting Medical Vision and Language with Localized Narratives
di: Ikezogwo, Wisdom O., et al.
Pubblicazione: (2025)

Thinking in Blender: Staged Executable Inverse Graphics with Vision-Language Models
di: He, Guangzhao, et al.
Pubblicazione: (2026)

ICONS: Influence Consensus for Vision-Language Data Selection
di: Wu, Xindi, et al.
Pubblicazione: (2024)

VFIG: Vectorizing Complex Figures in SVG with Vision-Language Models
di: He, Qijia, et al.
Pubblicazione: (2026)

Exploring How Generative MLLMs Perceive More Than CLIP with the Same Vision Encoder
di: Li, Siting, et al.
Pubblicazione: (2024)

Mitigating Multilingual Hallucination in Large Vision-Language Models
di: Qu, Xiaoye, et al.
Pubblicazione: (2024)

JPEG-LM: LLMs as Image Generators with Canonical Codec Representations
di: Han, Xiaochuang, et al.
Pubblicazione: (2024)

Manipulate-Anything: Automating Real-World Robots using Vision-Language Models
di: Duan, Jiafei, et al.
Pubblicazione: (2024)

BLIP: Facilitating the Exploration of Undesirable Consequences of Digital Technologies
di: Pang, Rock Yuren, et al.
Pubblicazione: (2024)

From an Image to a Scene: Learning to Imagine the World from a Million 360 Videos
di: Wallingford, Matthew, et al.
Pubblicazione: (2024)

BLINK: Multimodal Large Language Models Can See but Not Perceive
di: Fu, Xingyu, et al.
Pubblicazione: (2024)

Task Me Anything
di: Zhang, Jieyu, et al.
Pubblicazione: (2024)

Eval3D: Interpretable and Fine-grained Evaluation for 3D Generation
di: Duggal, Shivam, et al.
Pubblicazione: (2025)

Babel-ImageNet: Massively Multilingual Evaluation of Vision-and-Language Representations
di: Geigle, Gregor, et al.
Pubblicazione: (2023)

AntifakePrompt: Prompt-Tuned Vision-Language Models are Fake Image Detectors
di: Chang, You-Ming, et al.
Pubblicazione: (2023)

Understanding the Fine-Grained Knowledge Capabilities of Vision-Language Models
di: Ghosh, Dhruba, et al.
Pubblicazione: (2026)

Seeing Fast and Slow: Learning the Flow of Time in Videos
di: Wu, Yen-Siang, et al.
Pubblicazione: (2026)

NaturalBench: Evaluating Vision-Language Models on Natural Adversarial Samples
di: Li, Baiqi, et al.
Pubblicazione: (2024)

Visual Program Distillation: Distilling Tools and Programmatic Reasoning into Vision-Language Models
di: Hu, Yushi, et al.
Pubblicazione: (2023)

RoboPoint: A Vision-Language Model for Spatial Affordance Prediction for Robotics
di: Yuan, Wentao, et al.
Pubblicazione: (2024)

Uncovering and Shaping the Latent Representation of 3D Scene Topology in Vision-Language Models
di: Wang, Haoming, et al.
Pubblicazione: (2026)

Negative Token Merging: Image-based Adversarial Feature Guidance
di: Singh, Jaskirat, et al.
Pubblicazione: (2024)

Yo'LLaVA: Your Personalized Language and Vision Assistant
di: Nguyen, Thao, et al.
Pubblicazione: (2024)