Copertina

Multimodal Instruction Tuning with Hybrid State Space Models

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Zhou, Jianing, Li, Han, Zhang, Shuai, Xie, Ning, Wang, Ruijie, Nie, Xiaohan, Liu, Sheng, Wang, Lingyun
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Computer Vision and Pattern Recognition
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Visual Instruction Tuning with Chain of Region-of-Interest
di: Chen, Yixin, et al.
Pubblicazione: (2025)

Instruction Tuning-free Visual Token Complement for Multimodal LLMs
di: Wang, Dongsheng, et al.
Pubblicazione: (2024)

Multimodal Continual Instruction Tuning with Dynamic Gradient Guidance
di: Li, Songze, et al.
Pubblicazione: (2025)

InstructTA: Instruction-Tuned Targeted Attack for Large Vision-Language Models
di: Wang, Xunguang, et al.
Pubblicazione: (2023)

MCITlib: Multimodal Continual Instruction Tuning Library and Benchmark
di: Guo, Haiyang, et al.
Pubblicazione: (2025)

Mamba-Adaptor: State Space Model Adaptor for Visual Recognition
di: Xie, Fei, et al.
Pubblicazione: (2025)

Multimodal Mamba: Decoder-only Multimodal State Space Model via Quadratic to Linear Distillation
di: Liao, Bencheng, et al.
Pubblicazione: (2025)

MetaMorph: Multimodal Understanding and Generation via Instruction Tuning
di: Tong, Shengbang, et al.
Pubblicazione: (2024)

Multimodal Instruction Tuning with Conditional Mixture of LoRA
di: Shen, Ying, et al.
Pubblicazione: (2024)

TIME: Temporal-Sensitive Multi-Dimensional Instruction Tuning and Robust Benchmarking for Video-LLMs
di: Wang, Yunxiao, et al.
Pubblicazione: (2025)

MambaVLT: Time-Evolving Multimodal State Space Model for Vision-Language Tracking
di: Liu, Xinqi, et al.
Pubblicazione: (2024)

OccMamba: Semantic Occupancy Prediction with State Space Models
di: Li, Heng, et al.
Pubblicazione: (2024)

Motion-Driven Multi-Object Tracking of Model Organisms in Space Science Experiments
di: You, Jianing, et al.
Pubblicazione: (2026)

ChangeChat: An Interactive Model for Remote Sensing Change Analysis via Multimodal Instruction Tuning
di: Deng, Pei, et al.
Pubblicazione: (2024)

OmniMamba: Efficient and Unified Multimodal Understanding and Generation via State Space Models
di: Zou, Jialv, et al.
Pubblicazione: (2025)

Personalized Visual Instruction Tuning
di: Pi, Renjie, et al.
Pubblicazione: (2024)

A High-Quality Text-Rich Image Instruction Tuning Dataset via Hybrid Instruction Generation
di: Zhou, Shijie, et al.
Pubblicazione: (2024)

VMambaCC: A Visual State Space Model for Crowd Counting
di: Ma, Hao-Yuan, et al.
Pubblicazione: (2024)

Dynamic Mixture of Curriculum LoRA Experts for Continual Multimodal Instruction Tuning
di: Ge, Chendi, et al.
Pubblicazione: (2025)

SpaceVLLM: Endowing Multimodal Large Language Model with Spatio-Temporal Video Grounding Capability
di: Wang, Jiankang, et al.
Pubblicazione: (2025)

CardiacMamba: A Multimodal RGB-RF Fusion Framework with State Space Models for Remote Physiological Measurement
di: Wu, Zheng, et al.
Pubblicazione: (2025)

IGD: Instructional Graphic Design with Multimodal Layer Generation
di: Qu, Yadong, et al.
Pubblicazione: (2025)

Kling-Avatar: Grounding Multimodal Instructions for Cascaded Long-Duration Avatar Animation Synthesis
di: Ding, Yikang, et al.
Pubblicazione: (2025)

Streaming Video Instruction Tuning
di: Xia, Jiaer, et al.
Pubblicazione: (2025)

Reflective Instruction Tuning: Mitigating Hallucinations in Large Vision-Language Models
di: Zhang, Jinrui, et al.
Pubblicazione: (2024)

Trustworthy Multimodal Fusion for Sentiment Analysis in Ordinal Sentiment Space
di: Xie, Zhuyang, et al.
Pubblicazione: (2024)

PMC-VQA: Visual Instruction Tuning for Medical Visual Question Answering
di: Zhang, Xiaoman, et al.
Pubblicazione: (2023)

Double Visual Defense: Adversarial Pre-training and Instruction Tuning for Improving Vision-Language Model Robustness
di: Wang, Zeyu, et al.
Pubblicazione: (2025)

Thinking in Space: How Multimodal Large Language Models See, Remember, and Recall Spaces
di: Yang, Jihan, et al.
Pubblicazione: (2024)

VMamba: Visual State Space Model
di: Liu, Yue, et al.
Pubblicazione: (2024)

Video-STaR: Self-Training Enables Video Instruction Tuning with Any Supervision
di: Zohar, Orr, et al.
Pubblicazione: (2024)

Hierarchical Granularity Alignment and State Space Modeling for Robust Multimodal AU Detection in the Wild
di: Yu, Jun, et al.
Pubblicazione: (2026)

On the Evaluation and Refinement of Vision-Language Instruction Tuning Datasets
di: Liao, Ning, et al.
Pubblicazione: (2023)

Continual LLaVA: Continual Instruction Tuning in Large Vision-Language Models
di: Cao, Meng, et al.
Pubblicazione: (2024)

Human Motion Instruction Tuning
di: Li, Lei, et al.
Pubblicazione: (2024)

InstructVLA: Vision-Language-Action Instruction Tuning from Understanding to Manipulation
di: Yang, Shuai, et al.
Pubblicazione: (2025)

Towards Unified Multimodal Interleaved Generation via Group Relative Policy Optimization
di: Nie, Ming, et al.
Pubblicazione: (2026)

Deep Instruction Tuning for Segment Anything Model
di: Huang, Xiaorui, et al.
Pubblicazione: (2024)

MAmmoTH-VL: Eliciting Multimodal Reasoning with Instruction Tuning at Scale
di: Guo, Jarvis, et al.
Pubblicazione: (2024)

Pan-Mamba: Effective pan-sharpening with State Space Model
di: He, Xuanhua, et al.
Pubblicazione: (2024)