Buchumschlag

Beyond Sight: Towards Cognitive Alignment in LVLM via Enriched Visual Knowledge

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhao, Yaqi, Yin, Yuanyang, Li, Lin, Lin, Mingan, Huang, Victor Shea-Jay, Chen, Siwei, Chen, Weipeng, Yin, Baoqun, Zhou, Zenan, Zhang, Wentao
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Towards Precise Scaling Laws for Video Diffusion Transformers
von: Yin, Yuanyang, et al.
Veröffentlicht: (2024)

SEA: Supervised Embedding Alignment for Token-Level Visual-Textual Integration in MLLMs
von: Yin, Yuanyang, et al.
Veröffentlicht: (2024)

Ocean-OCR: Towards General OCR Application via a Vision-Language Model
von: Chen, Song, et al.
Veröffentlicht: (2025)

K12Vista: Exploring the Boundaries of MLLMs in K-12 Education
von: Li, Chong, et al.
Veröffentlicht: (2025)

EduFlow: Advancing MLLMs' Problem-Solving Proficiency through Multi-Stage, Multi-Perspective Critique
von: Zhu, Chenglin, et al.
Veröffentlicht: (2025)

MathScape: Benchmarking Multimodal Large Language Models in Real-World Mathematical Contexts
von: Liang, Hao, et al.
Veröffentlicht: (2024)

Bridge 2D-3D: Uncertainty-aware Hierarchical Registration Network with Domain Alignment
von: Cheng, Zhixin, et al.
Veröffentlicht: (2025)

CFBench: A Comprehensive Constraints-Following Benchmark for LLMs
von: Zhang, Tao, et al.
Veröffentlicht: (2024)

Baichuan Alignment Technical Report
von: Lin, Mingan, et al.
Veröffentlicht: (2024)

VCR: Variance-Driven Channel Recalibration for Robust Low-Light Enhancement
von: Cheng, Zhixin, et al.
Veröffentlicht: (2026)

GLASS: Geometry-aware Local Alignment and Structure Synchronization Network for 2D-3D Registration
von: Cheng, Zhixin, et al.
Veröffentlicht: (2026)

Towards Temporal Knowledge Graph Alignment in the Wild
von: Zhao, Runhao, et al.
Veröffentlicht: (2025)

Fooling the LVLM Judges: Visual Biases in LVLM-Based Evaluation
von: Hwang, Yerin, et al.
Veröffentlicht: (2025)

Adaptive Agent Selection and Interaction Network for Image-to-point cloud Registration
von: Cheng, Zhixin, et al.
Veröffentlicht: (2025)

FS-I2P:A Hierarchical Focus-Sweep Registration Network with Dynamically Allocated Depth
von: Cheng, Zhixin, et al.
Veröffentlicht: (2026)

Learning Individual Intrinsic Reward in Multi-Agent Reinforcement Learning via Incorporating Generalized Human Expertise
von: Wu, Xuefei, et al.
Veröffentlicht: (2025)

ComPO: Preference Alignment via Comparison Oracles
von: Chen, Peter, et al.
Veröffentlicht: (2025)

Alignment, Mining and Fusion: Representation Alignment with Hard Negative Mining and Selective Knowledge Fusion for Medical Visual Question Answering
von: Zou, Yuanhao, et al.
Veröffentlicht: (2025)

Cognitive Visual-Language Mapper: Advancing Multimodal Comprehension with Enhanced Visual Knowledge Alignment
von: Li, Yunxin, et al.
Veröffentlicht: (2024)

FB-Bench: A Fine-Grained Multi-Task Benchmark for Evaluating LLMs' Responsiveness to Human Feedback
von: Li, Youquan, et al.
Veröffentlicht: (2024)

Ultrafine Pd Nanoparticles on Triphenylphosphine‐Covalent Organic Framework for Dual Photo/Thermal Catalysis of Scalable C‐C/C‐N Cross‐Couplings
von: Shaodong Jiang, et al.
Veröffentlicht: (2025)

Mock Observations: Three Different Types of Galaxy Alignment in TNG100 Simulations
von: Lan, Yanyao, et al.
Veröffentlicht: (2024)

Baichuan-Audio: A Unified Framework for End-to-End Speech Interaction
von: Li, Tianpeng, et al.
Veröffentlicht: (2025)

Panther: Illuminate the Sight of Multimodal LLMs with Instruction-Guided Visual Prompts
von: Li, Honglin, et al.
Veröffentlicht: (2024)

LEMMA: Towards LVLM-Enhanced Multimodal Misinformation Detection with External Knowledge Augmentation
von: Xuan, Keyang, et al.
Veröffentlicht: (2024)

ClearSight: Visual Signal Enhancement for Object Hallucination Mitigation in Multimodal Large language Models
von: Yin, Hao, et al.
Veröffentlicht: (2025)

LVLM-Aided Alignment of Task-Specific Vision Models
von: Koebler, Alexander, et al.
Veröffentlicht: (2025)

Synthesizing Multimodal Geometry Datasets from Scratch and Enabling Visual Alignment via Plotting Code
von: Lin, Haobo, et al.
Veröffentlicht: (2026)

JPS: Jailbreak Multimodal Large Language Models with Collaborative Visual Perturbation and Textual Steering
von: Chen, Renmiao, et al.
Veröffentlicht: (2025)

Facilitating Multi-turn Function Calling for LLMs via Compositional Instruction Tuning
von: Chen, Mingyang, et al.
Veröffentlicht: (2024)

Neural Visual Decoding via Cognitive guided Adaptive Blurring and Information Constrained Alignment
von: Yin, Fan, et al.
Veröffentlicht: (2026)

Enrich-on-Graph: Query-Graph Alignment for Complex Reasoning with LLM Enriching
von: Li, Songze, et al.
Veröffentlicht: (2025)

EcoAlign: An Economically Rational Framework for Efficient LVLM Alignment
von: Cheng, Ruoxi, et al.
Veröffentlicht: (2025)

LumiGen: An LVLM-Enhanced Iterative Framework for Fine-Grained Text-to-Image Generation
von: Dong, Xiaoqi, et al.
Veröffentlicht: (2025)

Beyond Sight: Probing Alignment Between Image Models and Blind V1
von: Granley, Jacob, et al.
Veröffentlicht: (2024)

Exploring Part-Informed Visual-Language Learning for Person Re-Identification
von: Lin, Yin, et al.
Veröffentlicht: (2023)

EchoSight: Advancing Visual-Language Models with Wiki Knowledge
von: Yan, Yibin, et al.
Veröffentlicht: (2024)

PAS: Data-Efficient Plug-and-Play Prompt Augmentation System
von: Zheng, Miao, et al.
Veröffentlicht: (2024)

Representation in Cognitive Science
von: Shea, Nicholas
Veröffentlicht: (2018)

Beyond Rigid Alignment: Graph Federated Learning via Dual Manifold Calibration
von: Yu, Wentao, et al.
Veröffentlicht: (2026)