Buchumschlag

DecAlign: Hierarchical Cross-Modal Alignment for Decoupled Multimodal Representation Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Qian, Chengxuan, Xing, Shuo, Li, Shawn, Zhao, Yue, Tu, Zhengzhong
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Re-Align: Aligning Vision Language Models via Retrieval-Augmented Direct Preference Optimization
von: Xing, Shuo, et al.
Veröffentlicht: (2025)

DPU: Dynamic Prototype Updating for Multimodal Out-of-Distribution Detection
von: Li, Shawn, et al.
Veröffentlicht: (2024)

DeRA: Decoupled Representation Alignment for Video Tokenization
von: Guo, Pengbo, et al.
Veröffentlicht: (2025)

Representation Space Constrained Learning with Modality Decoupling for Multimodal Object Detection
von: Shao, YiKang, et al.
Veröffentlicht: (2025)

DynCIM: Dynamic Curriculum for Imbalanced Multimodal Learning
von: Qian, Chengxuan, et al.
Veröffentlicht: (2025)

AlignGen: Boosting Personalized Image Generation with Cross-Modality Prior Alignment
von: Lin, Yiheng, et al.
Veröffentlicht: (2025)

Unraveling Cross-Modality Knowledge Conflicts in Large Vision-Language Models
von: Zhu, Tinghui, et al.
Veröffentlicht: (2024)

Divide and Conquer: Decoupled Representation Alignment for Multimodal World Models
von: Xiao, Junyuan, et al.
Veröffentlicht: (2026)

OpenEMMA: Open-Source Multimodal Model for End-to-End Autonomous Driving
von: Xing, Shuo, et al.
Veröffentlicht: (2024)

AlignMamba: Enhancing Multimodal Mamba with Local and Global Cross-modal Alignment
von: Li, Yan, et al.
Veröffentlicht: (2024)

Learning Modality Knowledge Alignment for Cross-Modality Transfer
von: Ma, Wenxuan, et al.
Veröffentlicht: (2024)

Hierarchical Cross-Modal Alignment for Open-Vocabulary 3D Object Detection
von: Zhao, Youjun, et al.
Veröffentlicht: (2025)

Phrase Decoupling Cross-Modal Hierarchical Matching and Progressive Position Correction for Visual Grounding
von: Xie, Minghong, et al.
Veröffentlicht: (2024)

Guiding Cross-Modal Representations with MLLM Priors via Preference Alignment
von: Zhao, Pengfei, et al.
Veröffentlicht: (2025)

Correlation-Decoupled Knowledge Distillation for Multimodal Sentiment Analysis with Incomplete Modalities
von: Li, Mingcheng, et al.
Veröffentlicht: (2024)

Charts Are Not Images: On the Challenges of Scientific Chart Editing
von: Li, Shawn, et al.
Veröffentlicht: (2025)

CodeBind: Decoupled Representation Learning for Multimodal Alignment with Unified Compositional Codebook
von: Chen, Zeyu, et al.
Veröffentlicht: (2026)

Progressive Representation Learning for Multimodal Sentiment Analysis with Incomplete Modalities
von: Bao, Jindi, et al.
Veröffentlicht: (2026)

StructAlign: Structured Cross-Modal Alignment for Continual Text-to-Video Retrieval
von: Wang, Shaokun, et al.
Veröffentlicht: (2026)

Enhancing CLIP Robustness via Cross-Modality Alignment
von: Zhu, Xingyu, et al.
Veröffentlicht: (2025)

Cross-Modal-Domain Generalization Through Semantically Aligned Discrete Representations
von: Sen, Souptik, et al.
Veröffentlicht: (2026)

Region-R1: Reinforcing Query-Side Region Cropping for Multi-Modal Re-Ranking
von: Hu, Chan-Wei, et al.
Veröffentlicht: (2026)

Decoupled Cross-Modal Alignment Network for Text-RGBT Person Retrieval and A High-Quality Benchmark
von: Deng, Yifei, et al.
Veröffentlicht: (2025)

Demystifying the Visual Quality Paradox in Multimodal Large Language Models
von: Xing, Shuo, et al.
Veröffentlicht: (2025)

Decoupled Hierarchical Distillation for Multimodal Emotion Recognition
von: Li, Yong, et al.
Veröffentlicht: (2026)

On the Value of Cross-Modal Misalignment in Multimodal Representation Learning
von: Cai, Yichao, et al.
Veröffentlicht: (2025)

HFMF: Hierarchical Fusion Meets Multi-Stream Models for Deepfake Detection
von: Mehta, Anant, et al.
Veröffentlicht: (2025)

Open-set Cross Modal Generalization via Multimodal Unified Representation
von: Huang, Hai, et al.
Veröffentlicht: (2025)

Cross-Modal Scene Semantic Alignment for Image Complexity Assessment
von: Luo, Yuqing, et al.
Veröffentlicht: (2025)

Anisotropic Modality Align
von: Yu, Xiaomin, et al.
Veröffentlicht: (2026)

Improving Medical Visual Representation Learning with Pathological-level Cross-Modal Alignment and Correlation Exploration
von: Wang, Jun, et al.
Veröffentlicht: (2025)

T2T-VICL: Unlocking the Boundaries of Cross-Task Visual In-Context Learning via Implicit Text-Driven VLMs
von: Xia, Shao-Jun, et al.
Veröffentlicht: (2025)

Enhancing Multimodal Unified Representations for Cross Modal Generalization
von: Huang, Hai, et al.
Veröffentlicht: (2024)

Calibrated Multimodal Representation Learning with Missing Modalities
von: Liu, Xiaohao, et al.
Veröffentlicht: (2025)

PROMISE: Prompt-Attentive Hierarchical Contrastive Learning for Robust Cross-Modal Representation with Missing Modalities
von: Chen, Jiajun, et al.
Veröffentlicht: (2025)

Decoupling Common and Unique Representations for Multimodal Self-supervised Learning
von: Wang, Yi, et al.
Veröffentlicht: (2023)

TextAlign: Preference Alignment for Text Rendering with Hierarchical Rewards
von: Cui, Mingxuan, et al.
Veröffentlicht: (2026)

Align-KD: Distilling Cross-Modal Alignment Knowledge for Mobile Vision-Language Model
von: Feng, Qianhan, et al.
Veröffentlicht: (2024)

VISTA: Enhancing Vision-Text Alignment in MLLMs via Cross-Modal Mutual Information Maximization
von: Li, Mingxiao, et al.
Veröffentlicht: (2025)

Toward Robust Incomplete Multimodal Sentiment Analysis via Hierarchical Representation Learning
von: Li, Mingcheng, et al.
Veröffentlicht: (2024)