Buchumschlag

MoExtend: Tuning New Experts for Modality and Task Extension

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhong, Shanshan, Gao, Shanghua, Huang, Zhongzhan, Wen, Wushao, Zitnik, Marinka, Zhou, Pan
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

Let's Think Outside the Box: Exploring Leap-of-Thought in Large Language Models with Creative Humor Generation
von: Zhong, Shanshan, et al.
Veröffentlicht: (2023)

A Causality-aware Paradigm for Evaluating Creativity of Multimodal Large Language Models
von: Huang, Zhongzhan, et al.
Veröffentlicht: (2025)

ASR: Attention-alike Structural Re-parameterization
von: Zhong, Shanshan, et al.
Veröffentlicht: (2023)

AssoCiAm: A Benchmark for Evaluating Association Thinking while Circumventing Ambiguity
von: Liu, Yifan, et al.
Veröffentlicht: (2025)

Qworld: Question-Specific Evaluation Criteria for LLMs
von: Gao, Shanghua, et al.
Veröffentlicht: (2026)

Expert Pyramid Tuning: Efficient Parameter Fine-Tuning for Expertise-Driven Task Allocation
von: Zhang, Jia-Chen, et al.
Veröffentlicht: (2026)

Is Extending Modality The Right Path Towards Omni-Modality?
von: Zhu, Tinghui, et al.
Veröffentlicht: (2025)

MoDES: Accelerating Mixture-of-Experts Multimodal Large Language Models via Dynamic Expert Skipping
von: Huang, Yushi, et al.
Veröffentlicht: (2025)

MoDE: CLIP Data Experts via Clustering
von: Ma, Jiawei, et al.
Veröffentlicht: (2024)

CoTasks: Chain-of-Thought based Video Instruction Tuning Tasks
von: Wang, Yanan, et al.
Veröffentlicht: (2025)

MoEController: Instruction-based Arbitrary Image Manipulation with Mixture-of-Expert Controllers
von: Li, Sijia, et al.
Veröffentlicht: (2023)

LoMo: Local Modality Substitution for Deeper Vision-Language Fusion
von: Han, Feng, et al.
Veröffentlicht: (2026)

Less is More: High-value Data Selection for Visual Instruction Tuning
von: Liu, Zikang, et al.
Veröffentlicht: (2024)

Vision-Flan: Scaling Human-Labeled Tasks in Visual Instruction Tuning
von: Xu, Zhiyang, et al.
Veröffentlicht: (2024)

Otter: A Multi-Modal Model with In-Context Instruction Tuning
von: Li, Bo, et al.
Veröffentlicht: (2023)

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

Deciphering Cross-Modal Alignment in Large Vision-Language Models with Modality Integration Rate
von: Huang, Qidong, et al.
Veröffentlicht: (2024)

Med-MoE: Mixture of Domain-Specific Experts for Lightweight Medical Vision-Language Models
von: Jiang, Songtao, et al.
Veröffentlicht: (2024)

MMGR: Multi-Modal Generative Reasoning
von: Cai, Zefan, et al.
Veröffentlicht: (2025)

MDTv2: Masked Diffusion Transformer is a Strong Image Synthesizer
von: Gao, Shanghua, et al.
Veröffentlicht: (2023)

Octavius: Mitigating Task Interference in MLLMs via LoRA-MoE
von: Chen, Zeren, et al.
Veröffentlicht: (2023)

CoLA: Cross-Modal Low-rank Adaptation for Multimodal Downstream Tasks
von: Suharitdamrong, Wish, et al.
Veröffentlicht: (2026)

Head-wise Modality Specialization within MLLMs for Robust Fake News Detection under Missing Modality
von: Qian, Kai, et al.
Veröffentlicht: (2026)

Multi-Modal Explainable Medical AI Assistant for Trustworthy Human-AI Collaboration
von: Yang, Honglong, et al.
Veröffentlicht: (2025)

Co-AttenDWG: Co-Attentive Dimension-Wise Gating and Expert Fusion for Multi-Modal Offensive Content Detection
von: Hossain, Md. Mithun, et al.
Veröffentlicht: (2025)

LEO-MINI: An Efficient Multimodal Large Language Model using Conditional Token Reduction and Mixture of Multi-Modal Experts
von: Wang, Yimu, et al.
Veröffentlicht: (2025)

Multimodal Medical Code Tokenizer
von: Su, Xiaorui, et al.
Veröffentlicht: (2025)

ChartMoE: Mixture of Diversely Aligned Expert Connector for Chart Understanding
von: Xu, Zhengzhuo, et al.
Veröffentlicht: (2024)

HyperLLaVA: Dynamic Visual and Language Expert Tuning for Multimodal Large Language Models
von: Zhang, Wenqiao, et al.
Veröffentlicht: (2024)

Learning Generalized Medical Image Representations through Image-Graph Contrastive Pretraining
von: Khanna, Sameer, et al.
Veröffentlicht: (2024)

LLaVA Steering: Visual Instruction Tuning with 500x Fewer Parameters through Modality Linear Representation-Steering
von: Bi, Jinhe, et al.
Veröffentlicht: (2024)

Cross-Modal Adapter for Vision-Language Retrieval
von: Jiang, Haojun, et al.
Veröffentlicht: (2022)

Sandboxed Coding Agents are Competitive Omni-modal Task Solvers
von: Chen, Dongping, et al.
Veröffentlicht: (2026)

MedMax: Mixed-Modal Instruction Tuning for Training Biomedical Assistants
von: Bansal, Hritik, et al.
Veröffentlicht: (2024)

Vision-Language Models Create Cross-Modal Task Representations
von: Luo, Grace, et al.
Veröffentlicht: (2024)

Shared and Private Information Learning in Multimodal Sentiment Analysis with Deep Modal Alignment and Self-supervised Multi-Task Learning
von: Lai, Songning, et al.
Veröffentlicht: (2023)

SMoES: Soft Modality-Guided Expert Specialization in MoE-VLMs
von: Bo, Zi-Hao, et al.
Veröffentlicht: (2026)

MoKus: Leveraging Cross-Modal Knowledge Transfer for Knowledge-Aware Concept Customization
von: Zhu, Chenyang, et al.
Veröffentlicht: (2026)

Multimodal Prompt Learning with Missing Modalities for Sentiment Analysis and Emotion Recognition
von: Guo, Zirun, et al.
Veröffentlicht: (2024)

ScaleCap: Inference-Time Scalable Image Captioning via Dual-Modality Debiasing
von: Xing, Long, et al.
Veröffentlicht: (2025)