Buchumschlag

Robust Multimodal Learning via Representation Decoupling

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wei, Shicai, Luo, Yang, Wang, Yuji, Luo, Chunbo
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Scale Decoupled Distillation
von: Luo, Shicai Wei Chunbo Luo Yang
Veröffentlicht: (2024)

Improving Multimodal Learning via Imbalanced Learning
von: Wei, Shicai, et al.
Veröffentlicht: (2025)

Boosting Multimodal Learning via Disentangled Gradient Learning
von: Wei, Shicai, et al.
Veröffentlicht: (2025)

One-stage Modality Distillation for Incomplete Multimodal Learning
von: Wei, Shicai, et al.
Veröffentlicht: (2023)

PDMP: Rethinking Balanced Multimodal Learning via Performance-Dominant Modality Prioritization
von: Wei, Shicai, et al.
Veröffentlicht: (2026)

CrossVL: Complexity-Aware Feature Routing and Paired Curriculum for Cross-View Vision-Language Detection
von: Liu, Zhipeng, et al.
Veröffentlicht: (2026)

Robust Multimodal Learning for Ophthalmic Disease Grading via Disentangled Representation
von: Wang, Xinkun, et al.
Veröffentlicht: (2025)

Contrastive Representation Distillation via Multi-Scale Feature Decoupling
von: Wang, Cuipeng, et al.
Veröffentlicht: (2025)

CodeBind: Decoupled Representation Learning for Multimodal Alignment with Unified Compositional Codebook
von: Chen, Zeyu, et al.
Veröffentlicht: (2026)

Decoupling the Image Perception and Multimodal Reasoning for Reasoning Segmentation with Digital Twin Representations
von: Li, Yizhen, et al.
Veröffentlicht: (2025)

Janus: Decoupling Visual Encoding for Unified Multimodal Understanding and Generation
von: Wu, Chengyue, et al.
Veröffentlicht: (2024)

SeqAfford: Sequential 3D Affordance Reasoning via Multimodal Large Language Model
von: Yu, Chunlin, et al.
Veröffentlicht: (2024)

Distilling Vision-Language Foundation Models: A Data-Free Approach via Prompt Diversification
von: Xuan, Yunyi, et al.
Veröffentlicht: (2024)

How Does the Textual Information Affect the Retrieval of Multimodal In-Context Learning?
von: Luo, Yang, et al.
Veröffentlicht: (2024)

Toward Robust Early Detection of Alzheimer's Disease via an Integrated Multimodal Learning Approach
von: Chen, Yifei, et al.
Veröffentlicht: (2024)

ACD-CLIP: Decoupling Representation and Dynamic Fusion for Zero-Shot Anomaly Detection
von: Ma, Ke, et al.
Veröffentlicht: (2025)

Composed Vision-Language Retrieval for Skin Cancer Case Search via Joint Alignment of Global and Local Representations
von: Wang, Yuheng, et al.
Veröffentlicht: (2026)

D-GAP: Improving Out-of-Domain Robustness via Dataset-Agnostic and Gradient-Guided Augmentation in Frequency and Pixel Spaces
von: Wang, Ruoqi, et al.
Veröffentlicht: (2025)

Enhancing Visual Token Representations for Video Large Language Models via Training-Free Spatial-Temporal Pooling and Gridding
von: Luo, Bingjun, et al.
Veröffentlicht: (2026)

IDRL: An Individual-Aware Multimodal Depression-Related Representation Learning Framework for Depression Diagnosis
von: Wang, Chongxiao, et al.
Veröffentlicht: (2026)

CURVE: Learning Causality-Inspired Invariant Representations for Robust Scene Understanding via Uncertainty-Guided Regularization
von: Liang, Yue, et al.
Veröffentlicht: (2026)

Unleashing the Intrinsic Visual Representation Capability of Multimodal Large Language Models
von: Li, Hengzhuang, et al.
Veröffentlicht: (2025)

ARIW-Framework: Adaptive Robust Iterative Watermarking Framework
von: Wu, Shaowu, et al.
Veröffentlicht: (2025)

Robust Domain Generalization for Multi-modal Object Recognition
von: Qiao, Yuxin, et al.
Veröffentlicht: (2024)

M$^2$IV: Towards Efficient and Fine-grained Multimodal In-Context Learning via Representation Engineering
von: Li, Yanshu, et al.
Veröffentlicht: (2025)

MCRL4OR: Multimodal Contrastive Representation Learning for Off-Road Environmental Perception
von: Yang, Yi, et al.
Veröffentlicht: (2025)

Cheers: Decoupling Patch Details from Semantic Representations Enables Unified Multimodal Comprehension and Generation
von: Zhang, Yichen, et al.
Veröffentlicht: (2026)

Learning Robust Intervention Representations with Delta Embeddings
von: Alimisis, Panagiotis, et al.
Veröffentlicht: (2025)

VideoSEAL: Mitigating Evidence Misalignment in Agentic Long Video Understanding by Decoupling Answer Authority
von: Qiu, Chenhao, et al.
Veröffentlicht: (2026)

Adaptive Disentangled Representation Learning for Incomplete Multi-View Multi-Label Classification
von: Li, Quanjiang, et al.
Veröffentlicht: (2026)

MAJORScore: A Novel Metric for Evaluating Multimodal Relevance via Joint Representation
von: Du, Zhicheng, et al.
Veröffentlicht: (2025)

Learning to Merge Tokens via Decoupled Embedding for Efficient Vision Transformers
von: Lee, Dong Hoon, et al.
Veröffentlicht: (2024)

Unified Multimodal Understanding via Byte-Pair Visual Encoding
von: Zhang, Wanpeng, et al.
Veröffentlicht: (2025)

Multimodal Prompt Decoupling Attack on the Safety Filters in Text-to-Image Models
von: Peng, Xingkai, et al.
Veröffentlicht: (2025)

Learning Modality-Aware Representations: Adaptive Group-wise Interaction Network for Multimodal MRI Synthesis
von: Song, Tao, et al.
Veröffentlicht: (2024)

Reconstruction-Driven Multimodal Representation Learning for Automated Media Understanding
von: Benhammou, Yassir, et al.
Veröffentlicht: (2025)

Multimodal Continual Learning with MLLMs from Multi-scenario Perspectives
von: Jiang, Kai, et al.
Veröffentlicht: (2025)

VideoRewardBench: Comprehensive Evaluation of Multimodal Reward Models for Video Understanding
von: Zhang, Zhihong, et al.
Veröffentlicht: (2025)

Learning to Rematch Mismatched Pairs for Robust Cross-Modal Retrieval
von: Han, Haochen, et al.
Veröffentlicht: (2024)

MMIF-AMIN: Adaptive Loss-Driven Multi-Scale Invertible Dense Network for Multimodal Medical Image Fusion
von: Luo, Tao, et al.
Veröffentlicht: (2025)