Copertina

Interpolating Video-LLMs: Toward Longer-sequence LMMs in a Training-free Manner

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Shang, Yuzhang, Xu, Bingxin, Kang, Weitai, Cai, Mu, Li, Yuheng, Wen, Zehao, Dong, Zhen, Keutzer, Kurt, Lee, Yong Jae, Yan, Yan
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Computer Vision and Pattern Recognition Artificial Intelligence Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

LLaVA-PruMerge: Adaptive Token Reduction for Efficient Large Multimodal Models
di: Shang, Yuzhang, et al.
Pubblicazione: (2024)

freePruner: A Training-free Approach for Large Multimodal Model Acceleration
di: Xu, Bingxin, et al.
Pubblicazione: (2024)

Robin3D: Improving 3D Large Language Model via Robust Instruction Tuning
di: Kang, Weitai, et al.
Pubblicazione: (2024)

Vinoground: Scrutinizing LMMs over Dense Temporal Reasoning with Short Videos
di: Zhang, Jianrui, et al.
Pubblicazione: (2024)

ButterflyQuant: Ultra-low-bit LLM Quantization through Learnable Orthogonal Butterfly Transforms
di: Xu, Bingxin, et al.
Pubblicazione: (2025)

Online Multi-spectral Neuron Tracing
di: Duan, Bin, et al.
Pubblicazione: (2024)

SilentDrift: Exploiting Action Chunking for Stealthy Backdoor Attacks on Vision-Language-Action Models
di: Xu, Bingxin, et al.
Pubblicazione: (2026)

Token Transformation Matters: Towards Faithful Post-hoc Explanation for Vision Transformer
di: Wu, Junyi, et al.
Pubblicazione: (2024)

LLM Inference Unveiled: Survey and Roofline Model Insights
di: Yuan, Zhihang, et al.
Pubblicazione: (2024)

FBPT: A Fully Binary Point Transformer
di: Hou, Zhixing, et al.
Pubblicazione: (2024)

SegVG: Transferring Object Bounding Box to Segmentation for Visual Grounding
di: Kang, Weitai, et al.
Pubblicazione: (2024)

ACTRESS: Active Retraining for Semi-supervised Visual Grounding
di: Kang, Weitai, et al.
Pubblicazione: (2024)

PackCache: A Training-Free Acceleration Method for Unified Autoregressive Video Generation via Compact KV-Cache
di: Li, Kunyang, et al.
Pubblicazione: (2026)

Distill Video Datasets into Images
di: Zhao, Zhenghao, et al.
Pubblicazione: (2025)

Dataset Quantization with Active Learning based Adaptive Sampling
di: Zhao, Zhenghao, et al.
Pubblicazione: (2024)

On the Faithfulness of Vision Transformer Explanations
di: Wu, Junyi, et al.
Pubblicazione: (2024)

Visual Grounding with Attention-Driven Constraint Balancing
di: Kang, Weitai, et al.
Pubblicazione: (2024)

ExpVG: Investigating the Design Space of Visual Grounding in Multimodal Large Language Model
di: Kang, Weitai, et al.
Pubblicazione: (2025)

GuirlVG: Incentivize GUI Visual Grounding via Empirical Exploration on Reinforcement Learning
di: Kang, Weitai, et al.
Pubblicazione: (2025)

MITRA: A Large-Scale Parallel Corpus and Multilingual Pretrained Language Model for Machine Translation and Semantic Retrieval for Pāli, Sanskrit, Buddhist Chinese, and Tibetan
di: Nehrdich, Sebastian, et al.
Pubblicazione: (2026)

QFT: Quantized Full-parameter Tuning of LLMs with Affordable Resources
di: Li, Zhikai, et al.
Pubblicazione: (2023)

E-CAR: Efficient Continuous Autoregressive Image Generation via Multistage Modeling
di: Yuan, Zhihang, et al.
Pubblicazione: (2024)

TinyLLaVA-Video-R1: Towards Smaller LMMs for Video Reasoning
di: Zhang, Xingjian, et al.
Pubblicazione: (2025)

TinyLLaVA-Video: Towards Smaller LMMs for Video Understanding with Group Resampler
di: Zhang, Xingjian, et al.
Pubblicazione: (2025)

Attend Locally, Remember Linearly: Linear Attention as Cross-Frame Memory for Autoregressive Video Diffusion
di: Li, Kunyang, et al.
Pubblicazione: (2026)

UniDrive: Towards Universal Driving Perception Across Camera Configurations
di: Li, Ye, et al.
Pubblicazione: (2024)

Distilling Long-tailed Datasets
di: Zhao, Zhenghao, et al.
Pubblicazione: (2024)

PTQ4DiT: Post-training Quantization for Diffusion Transformers
di: Wu, Junyi, et al.
Pubblicazione: (2024)

Supplementing Missing Visions via Dialog for Scene Graph Generations
di: Zhao, Zhenghao, et al.
Pubblicazione: (2022)

Towards Universal Fake Image Detectors that Generalize Across Generative Models
di: Ojha, Utkarsh, et al.
Pubblicazione: (2023)

VGent: Visual Grounding via Modular Design for Disentangling Reasoning and Prediction
di: Kang, Weitai, et al.
Pubblicazione: (2025)

Intent3D: 3D Object Detection in RGB-D Scans Based on Human Intention
di: Kang, Weitai, et al.
Pubblicazione: (2024)

3DResT: A Strong Baseline for Semi-Supervised 3D Referring Expression Segmentation
di: Chen, Wenxin, et al.
Pubblicazione: (2025)

QuEST: Low-bit Diffusion Model Quantization via Efficient Selective Finetuning
di: Wang, Haoxuan, et al.
Pubblicazione: (2024)

GSQ-Tuning: Group-Shared Exponents Integer in Fully Quantized Training for LLMs On-Device Fine-tuning
di: Zhou, Sifan, et al.
Pubblicazione: (2025)

LoL: Longer than Longer, Scaling Video Generation to Hour
di: Cui, Justin, et al.
Pubblicazione: (2026)

Looking Backward: Streaming Video-to-Video Translation with Feature Banks
di: Liang, Feng, et al.
Pubblicazione: (2024)

Efficient Multitask Dense Predictor via Binarization
di: Shang, Yuzhang, et al.
Pubblicazione: (2024)

Q-Bench-Video: Benchmarking the Video Quality Understanding of LMMs
di: Zhang, Zicheng, et al.
Pubblicazione: (2024)

COAT: Compressing Optimizer states and Activation for Memory-Efficient FP8 Training
di: Xi, Haocheng, et al.
Pubblicazione: (2024)