:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhou, Jianing, Li, Han, Zhang, Shuai, Xie, Ning, Wang, Ruijie, Nie, Xiaohan, Liu, Sheng, Wang, Lingyun
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	https://arxiv.org/abs/2411.08840
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Personalized Visual Instruction Tuning
von: Pi, Renjie, et al.
Veröffentlicht: (2024)

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

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

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

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

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

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

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

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

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

Streaming Video Instruction Tuning
von: Xia, Jiaer, et al.
Veröffentlicht: (2025)

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

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

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

Human Motion Instruction Tuning
von: Li, Lei, et al.
Veröffentlicht: (2024)

EmoVIT: Revolutionizing Emotion Insights with Visual Instruction Tuning
von: Xie, Hongxia, et al.
Veröffentlicht: (2024)

VMamba: Visual State Space Model
von: Liu, Yue, et al.
Veröffentlicht: (2024)

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

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

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

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

SSLFusion: Scale & Space Aligned Latent Fusion Model for Multimodal 3D Object Detection
von: Ding, Bonan, et al.
Veröffentlicht: (2025)

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

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

LLaDA-V: Large Language Diffusion Models with Visual Instruction Tuning
von: You, Zebin, et al.
Veröffentlicht: (2025)

VisNec: Measuring and Leveraging Visual Necessity for Multimodal Instruction Tuning
von: Dong, Mingkang, et al.
Veröffentlicht: (2026)