Copertina

Diagnosing and Re-learning for Balanced Multimodal Learning

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Wei, Yake, Li, Siwei, Feng, Ruoxuan, Hu, Di
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Computer Vision and Pattern Recognition Artificial Intelligence Multimedia
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Enhancing multimodal cooperation via sample-level modality valuation
di: Wei, Yake, et al.
Pubblicazione: (2023)

On-the-fly Modulation for Balanced Multimodal Learning
di: Wei, Yake, et al.
Pubblicazione: (2024)

MMPareto: Boosting Multimodal Learning with Innocent Unimodal Assistance
di: Wei, Yake, et al.
Pubblicazione: (2024)

Quantifying and Enhancing Multi-modal Robustness with Modality Preference
di: Yang, Zequn, et al.
Pubblicazione: (2024)

ASR-enhanced Multimodal Representation Learning for Cross-Domain Product Retrieval
di: Zhao, Ruixiang, et al.
Pubblicazione: (2024)

Boosting Audio Visual Question Answering via Key Semantic-Aware Cues
di: Li, Guangyao, et al.
Pubblicazione: (2024)

Enhancing Visible-Infrared Person Re-identification with Modality- and Instance-aware Visual Prompt Learning
di: Wu, Ruiqi, et al.
Pubblicazione: (2024)

URMF: Uncertainty-aware Robust Multimodal Fusion for Multimodal Sarcasm Detection
di: Wang, Zhenyu, et al.
Pubblicazione: (2026)

CLCR: Cross-Level Semantic Collaborative Representation for Multimodal Learning
di: Meng, Chunlei, et al.
Pubblicazione: (2026)

Pistachio: Towards Synthetic, Balanced, and Long-Form Video Anomaly Benchmarks
di: Li, Jie, et al.
Pubblicazione: (2025)

Modality Gap-Driven Subspace Alignment Training Paradigm For Multimodal Large Language Models
di: Yu, Xiaomin, et al.
Pubblicazione: (2026)

ReCorD: Reasoning and Correcting Diffusion for HOI Generation
di: Jiang-Lin, Jian-Yu, et al.
Pubblicazione: (2024)

Detecting Multimodal Situations with Insufficient Context and Abstaining from Baseless Predictions
di: Liu, Junzhang, et al.
Pubblicazione: (2024)

D-Judge: How Far Are We? Assessing the Discrepancies Between AI-synthesized and Natural Images through Multimodal Guidance
di: Liu, Renyang, et al.
Pubblicazione: (2024)

Balancing Privacy and Action Performance: A Penalty-Driven Approach to Image Anonymization
di: Aslam, Nazia, et al.
Pubblicazione: (2025)

Official-NV: An LLM-Generated News Video Dataset for Multimodal Fake News Detection
di: Wang, Yihao, et al.
Pubblicazione: (2024)

Crab$^{+}$: A Scalable and Unified Audio-Visual Scene Understanding Model with Explicit Cooperation
di: Cai, Dongnuan, et al.
Pubblicazione: (2026)

StyleAR: Customizing Multimodal Autoregressive Model for Style-Aligned Text-to-Image Generation
di: Wu, Yi, et al.
Pubblicazione: (2025)

Deep ReLU Networks Have Surprisingly Simple Polytopes
di: Fan, Feng-Lei, et al.
Pubblicazione: (2023)

Multimodal Markup Document Models for Graphic Design Completion
di: Kikuchi, Kotaro, et al.
Pubblicazione: (2024)

Multimodal Chaptering for Long-Form TV Newscast Video
di: Guetari, Khalil, et al.
Pubblicazione: (2024)

Veagle: Advancements in Multimodal Representation Learning
di: Chawla, Rajat, et al.
Pubblicazione: (2024)

Federated Prompt-Tuning with Heterogeneous and Incomplete Multimodal Client Data
di: Phung, Thu Hang, et al.
Pubblicazione: (2026)

Robust Fuzzy Multi-view Learning under View Conflict
di: Duan, Siyuan, et al.
Pubblicazione: (2026)

Knowledge-enhanced Multi-perspective Video Representation Learning for Scene Recognition
di: Yu, Xuzheng, et al.
Pubblicazione: (2024)

CrypticBio: A Large Multimodal Dataset for Visually Confusing Biodiversity
di: Manolache, Georgiana, et al.
Pubblicazione: (2025)

Parents and Children: Distinguishing Multimodal DeepFakes from Natural Images
di: Amoroso, Roberto, et al.
Pubblicazione: (2023)

AlignDiT: Multimodal Aligned Diffusion Transformer for Synchronized Speech Generation
di: Choi, Jeongsoo, et al.
Pubblicazione: (2025)

Omni-Dish: Photorealistic and Faithful Image Generation and Editing for Arbitrary Chinese Dishes
di: Liu, Huijie, et al.
Pubblicazione: (2025)

Can Multimodal LLMs See Materials Clearly? A Multimodal Benchmark on Materials Characterization
di: Lai, Zhengzhao, et al.
Pubblicazione: (2025)

LMVD: A Large-Scale Multimodal Vlog Dataset for Depression Detection in the Wild
di: He, Lang, et al.
Pubblicazione: (2024)

Fashion-RAG: Multimodal Fashion Image Editing via Retrieval-Augmented Generation
di: Sanguigni, Fulvio, et al.
Pubblicazione: (2025)

XEmoGPT: An Explainable Multimodal Emotion Recognition Framework with Cue-Level Perception and Reasoning
di: Zhang, Hanwen, et al.
Pubblicazione: (2026)

Handling Missing Modalities in Multimodal Survival Prediction for Non-Small Cell Lung Cancer
di: Ruffini, Filippo, et al.
Pubblicazione: (2026)

Enhanced Multimodal Hate Video Detection via Channel-wise and Modality-wise Fusion
di: Zhang, Yinghui, et al.
Pubblicazione: (2025)

Concept Conductor: Orchestrating Multiple Personalized Concepts in Text-to-Image Synthesis
di: Yao, Zebin, et al.
Pubblicazione: (2024)

Uni-MoE: Scaling Unified Multimodal LLMs with Mixture of Experts
di: Li, Yunxin, et al.
Pubblicazione: (2024)

Learning Segment Similarity and Alignment in Large-Scale Content Based Video Retrieval
di: Jiang, Chen, et al.
Pubblicazione: (2023)

Controllable Expressive 3D Facial Animation via Diffusion in a Unified Multimodal Space
di: Liu, Kangwei, et al.
Pubblicazione: (2025)

Multi-modal and Multi-scale Spatial Environment Understanding for Immersive Visual Text-to-Speech
di: Liu, Rui, et al.
Pubblicazione: (2024)