Buchumschlag

UnifiedMLLM: Enabling Unified Representation for Multi-modal Multi-tasks With Large Language Model

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Zhaowei, Wang, Wei, Cai, YiQing, Qi, Xu, Wang, Pengyu, Zhang, Dong, Song, Hang, Jiang, Botian, Huang, Zhida, Wang, Tao
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Advancing Fine-Grained Visual Understanding with Multi-Scale Alignment in Multi-Modal Models
von: Wang, Wei, et al.
Veröffentlicht: (2024)

GroundingGPT:Language Enhanced Multi-modal Grounding Model
von: Li, Zhaowei, et al.
Veröffentlicht: (2024)

UnifiedVisual: A Framework for Constructing Unified Vision-Language Datasets
von: Wang, Pengyu, et al.
Veröffentlicht: (2025)

Decoupled Proxy Alignment: Mitigating Language Prior Conflict for Multimodal Alignment in MLLM
von: Tan, Chenkun, et al.
Veröffentlicht: (2025)

M4SC: An MLLM-based Multi-modal, Multi-task and Multi-user Semantic Communication System
von: Jiang, Feibo, et al.
Veröffentlicht: (2025)

QCRD: Quality-guided Contrastive Rationale Distillation for Large Language Models
von: Wang, Wei, et al.
Veröffentlicht: (2024)

Liquid: Language Models are Scalable and Unified Multi-modal Generators
von: Wu, Junfeng, et al.
Veröffentlicht: (2024)

A Unified Representation Underlying the Judgment of Large Language Models
von: Lu, Yi-Long, et al.
Veröffentlicht: (2025)

Attenuation of LHAASO PeVatrons by Interstellar Radiation Field and Cosmic Microwave Background Radiation
von: Zhang, Jianli, et al.
Veröffentlicht: (2024)

Multi-modal Relation Distillation for Unified 3D Representation Learning
von: Wang, Huiqun, et al.
Veröffentlicht: (2024)

CAD-MLLM: Unifying Multimodality-Conditioned CAD Generation With MLLM
von: Xu, Jingwei, et al.
Veröffentlicht: (2024)

PUMA: Empowering Unified MLLM with Multi-granular Visual Generation
von: Fang, Rongyao, et al.
Veröffentlicht: (2024)

Unified Scene Representation and Reconstruction for 3D Large Language Models
von: Chu, Tao, et al.
Veröffentlicht: (2024)

Unified Generative and Discriminative Training for Multi-modal Large Language Models
von: Chow, Wei, et al.
Veröffentlicht: (2024)

Collaborative Multi-LoRA Experts with Achievement-based Multi-Tasks Loss for Unified Multimodal Information Extraction
von: Yuan, Li, et al.
Veröffentlicht: (2025)

Towards Enhanced Image Generation Via Multi-modal Chain of Thought in Unified Generative Models
von: Wang, Yi, et al.
Veröffentlicht: (2025)

MMGen: Unified Multi-modal Image Generation and Understanding in One Go
von: Wang, Jiepeng, et al.
Veröffentlicht: (2025)

SpeechAgents: Human-Communication Simulation with Multi-Modal Multi-Agent Systems
von: Zhang, Dong, et al.
Veröffentlicht: (2024)

CG-MLLM: Captioning and Generating 3D content via Multi-modal Large Language Models
von: Huang, Junming, et al.
Veröffentlicht: (2026)

OmniColor: A Unified Framework for Multi-modal Lineart Colorization
von: Zhang, Xulu, et al.
Veröffentlicht: (2026)

Multi-Scale Manifold Alignment for Interpreting Large Language Models: A Unified Information-Geometric Framework
von: Zhang, Yukun, et al.
Veröffentlicht: (2025)

InstructSeg: Unifying Instructed Visual Segmentation with Multi-modal Large Language Models
von: Wei, Cong, et al.
Veröffentlicht: (2024)

Multi-SpatialMLLM: Multi-Frame Spatial Understanding with Multi-Modal Large Language Models
von: Xu, Runsen, et al.
Veröffentlicht: (2025)

SAM4MLLM: Enhance Multi-Modal Large Language Model for Referring Expression Segmentation
von: Chen, Yi-Chia, et al.
Veröffentlicht: (2024)

A Unified Graph Transformer for Overcoming Isolations in Multi-modal Recommendation
von: Yi, Zixuan, et al.
Veröffentlicht: (2024)

Empowering Segmentation Ability to Multi-modal Large Language Models
von: Yang, Yuqi, et al.
Veröffentlicht: (2024)

HYDRA: Unifying Multi-modal Generation and Understanding via Representation-Harmonized Tokenization
von: Qiu, Xuerui, et al.
Veröffentlicht: (2026)

PosterLLaVa: Constructing a Unified Multi-modal Layout Generator with LLM
von: Yang, Tao, et al.
Veröffentlicht: (2024)

UNIAA: A Unified Multi-modal Image Aesthetic Assessment Baseline and Benchmark
von: Zhou, Zhaokun, et al.
Veröffentlicht: (2024)

$M^3EL$: A Multi-task Multi-topic Dataset for Multi-modal Entity Linking
von: Wang, Fang, et al.
Veröffentlicht: (2024)

Learning Unified Reference Representation for Unsupervised Multi-class Anomaly Detection
von: He, Liren, et al.
Veröffentlicht: (2024)

Bridge: A Unified Framework to Knowledge Graph Completion via Language Models and Knowledge Representation
von: Qiao, Qiao, et al.
Veröffentlicht: (2024)

Adaptation of Multi-modal Representation Models for Multi-task Surgical Computer Vision
von: Walimbe, Soham, et al.
Veröffentlicht: (2025)

OmniCamera: A Unified Framework for Multi-task Video Generation with Arbitrary Camera Control
von: Wang, Yukun, et al.
Veröffentlicht: (2026)

DrivingGPT: Unifying Driving World Modeling and Planning with Multi-modal Autoregressive Transformers
von: Chen, Yuntao, et al.
Veröffentlicht: (2024)

BrepCoder: A Unified Multimodal Large Language Model for Multi-task B-rep Reasoning
von: Kim, Mingi, et al.
Veröffentlicht: (2026)

ILLUME+: Illuminating Unified MLLM with Dual Visual Tokenization and Diffusion Refinement
von: Huang, Runhui, et al.
Veröffentlicht: (2025)

LiDARFormer: A Unified Transformer-based Multi-task Network for LiDAR Perception
von: Zhou, Zixiang, et al.
Veröffentlicht: (2023)

UNIC-Adapter: Unified Image-instruction Adapter with Multi-modal Transformer for Image Generation
von: Duan, Lunhao, et al.
Veröffentlicht: (2024)

Arondight: Red Teaming Large Vision Language Models with Auto-generated Multi-modal Jailbreak Prompts
von: Liu, Yi, et al.
Veröffentlicht: (2024)