Salvato in:
| Autori principali: | Yang, Dingchen, Cao, Bowen, Zhang, Anran, Gu, Weibo, Hu, Winston, Chen, Guang |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2025
|
| Soggetti: | |
| Accesso online: | https://arxiv.org/abs/2503.20540 |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Pensieve: Retrospect-then-Compare Mitigates Visual Hallucination
di: Yang, Dingchen, et al.
Pubblicazione: (2024)
di: Yang, Dingchen, et al.
Pubblicazione: (2024)
Expedited Training of Visual Conditioned Language Generation via Redundancy Reduction
di: Jian, Yiren, et al.
Pubblicazione: (2023)
di: Jian, Yiren, et al.
Pubblicazione: (2023)
FALCON: Resolving Visual Redundancy and Fragmentation in High-resolution Multimodal Large Language Models via Visual Registers
di: Zhang, Renshan, et al.
Pubblicazione: (2025)
di: Zhang, Renshan, et al.
Pubblicazione: (2025)
A Comprehensive Study on Visual Token Redundancy for Discrete Diffusion-based Multimodal Large Language Models
di: Li, Duo, et al.
Pubblicazione: (2025)
di: Li, Duo, et al.
Pubblicazione: (2025)
Insight-V: Exploring Long-Chain Visual Reasoning with Multimodal Large Language Models
di: Dong, Yuhao, et al.
Pubblicazione: (2024)
di: Dong, Yuhao, et al.
Pubblicazione: (2024)
RedundancyLens: Revealing and Exploiting Visual Token Processing Redundancy for Efficient Decoder-Only MLLMs
di: Li, Hongliang, et al.
Pubblicazione: (2025)
di: Li, Hongliang, et al.
Pubblicazione: (2025)
Extracting Visual Facts from Intermediate Layers for Mitigating Hallucinations in Multimodal Large Language Models
di: Zhou, Haoran, et al.
Pubblicazione: (2025)
di: Zhou, Haoran, et al.
Pubblicazione: (2025)
Color-Oriented Redundancy Reduction in Dataset Distillation
di: Yuan, Bowen, et al.
Pubblicazione: (2024)
di: Yuan, Bowen, et al.
Pubblicazione: (2024)
PyramidDrop: Accelerating Your Large Vision-Language Models via Pyramid Visual Redundancy Reduction
di: Xing, Long, et al.
Pubblicazione: (2024)
di: Xing, Long, et al.
Pubblicazione: (2024)
Taming the Entropy Cliff: Variable Codebook Size Quantization for Autoregressive Visual Generation
di: Zheng, Bowen, et al.
Pubblicazione: (2026)
di: Zheng, Bowen, et al.
Pubblicazione: (2026)
Transfer Attack for Bad and Good: Explain and Boost Adversarial Transferability across Multimodal Large Language Models
di: Cheng, Hao, et al.
Pubblicazione: (2024)
di: Cheng, Hao, et al.
Pubblicazione: (2024)
dots.ocr: Multilingual Document Layout Parsing in a Single Vision-Language Model
di: Li, Yumeng, et al.
Pubblicazione: (2025)
di: Li, Yumeng, et al.
Pubblicazione: (2025)
Language Models Can See Better: Visual Contrastive Decoding For LLM Multimodal Reasoning
di: Pang, Yuqi, et al.
Pubblicazione: (2025)
di: Pang, Yuqi, et al.
Pubblicazione: (2025)
Enhancing Instruction-Following Capability of Visual-Language Models by Reducing Image Redundancy
di: Yang, Te, et al.
Pubblicazione: (2024)
di: Yang, Te, et al.
Pubblicazione: (2024)
Beyond the Visible: Disocclusion-Aware Editing via Proxy Dynamic Graphs
di: Qi, Anran, et al.
Pubblicazione: (2025)
di: Qi, Anran, et al.
Pubblicazione: (2025)
ViC-Bench: Benchmarking Visual-Interleaved Chain-of-Thought Capability in MLLMs with Free-Style Intermediate State Representations
di: Wu, Xuecheng, et al.
Pubblicazione: (2025)
di: Wu, Xuecheng, et al.
Pubblicazione: (2025)
AdaFV: Rethinking of Visual-Language alignment for VLM acceleration
di: Han, Jiayi, et al.
Pubblicazione: (2025)
di: Han, Jiayi, et al.
Pubblicazione: (2025)
Efficient Redundancy Reduction for Open-Vocabulary Semantic Segmentation
di: Chen, Lin, et al.
Pubblicazione: (2025)
di: Chen, Lin, et al.
Pubblicazione: (2025)
MFil-Mamba: Multi-Filter Scanning for Spatial Redundancy-Aware Visual State Space Models
di: Khadka, Puskal, et al.
Pubblicazione: (2026)
di: Khadka, Puskal, et al.
Pubblicazione: (2026)
LWGANet: Addressing Spatial and Channel Redundancy in Remote Sensing Visual Tasks with Light-Weight Grouped Attention
di: Lu, Wei, et al.
Pubblicazione: (2025)
di: Lu, Wei, et al.
Pubblicazione: (2025)
Beyond Visual Cues: Synchronously Exploring Target-Centric Semantics for Vision-Language Tracking
di: Ge, Jiawei, et al.
Pubblicazione: (2023)
di: Ge, Jiawei, et al.
Pubblicazione: (2023)
BabyVision: Visual Reasoning Beyond Language
di: Chen, Liang, et al.
Pubblicazione: (2026)
di: Chen, Liang, et al.
Pubblicazione: (2026)
Video-Language Alignment via Spatio-Temporal Graph Transformer
di: Zhang, Shi-Xue, et al.
Pubblicazione: (2024)
di: Zhang, Shi-Xue, et al.
Pubblicazione: (2024)
VIHD: Visual Intervention-based Hallucination Detection for Medical Visual Question Answering
di: Chen, Jiayi, et al.
Pubblicazione: (2026)
di: Chen, Jiayi, et al.
Pubblicazione: (2026)
Rolling Shutter Correction with Intermediate Distortion Flow Estimation
di: Cao, Mingdeng, et al.
Pubblicazione: (2024)
di: Cao, Mingdeng, et al.
Pubblicazione: (2024)
FontCLIP: A Semantic Typography Visual-Language Model for Multilingual Font Applications
di: Tatsukawa, Yuki, et al.
Pubblicazione: (2024)
di: Tatsukawa, Yuki, et al.
Pubblicazione: (2024)
GAIS: Frame-Level Gated Audio-Visual Integration with Semantic Variance-Scaled Perturbation for Text-Video Retrieval
di: Yang, Bowen, et al.
Pubblicazione: (2025)
di: Yang, Bowen, et al.
Pubblicazione: (2025)
MM-IQ: Benchmarking Human-Like Abstraction and Reasoning in Multimodal Models
di: Cai, Huanqia, et al.
Pubblicazione: (2025)
di: Cai, Huanqia, et al.
Pubblicazione: (2025)
Investigating Redundancy in Multimodal Large Language Models with Multiple Vision Encoders
di: Wang, Yizhou, et al.
Pubblicazione: (2025)
di: Wang, Yizhou, et al.
Pubblicazione: (2025)
CoFi-Dec: Hallucination-Resistant Decoding via Coarse-to-Fine Generative Feedback in Large Vision-Language Models
di: Cao, Zongsheng, et al.
Pubblicazione: (2025)
di: Cao, Zongsheng, et al.
Pubblicazione: (2025)
Explaining Representation by Mutual Information
di: Gu, Lifeng
Pubblicazione: (2021)
di: Gu, Lifeng
Pubblicazione: (2021)
VisualThink-VLA: Visual Intermediate Reasoning for Effective and Low-Latency Vision-Language-Action Policies
di: Gao, Mingjian, et al.
Pubblicazione: (2026)
di: Gao, Mingjian, et al.
Pubblicazione: (2026)
EmoSEM: Segment and Explain Emotion Stimuli in Visual Art
di: Zhang, Jing, et al.
Pubblicazione: (2025)
di: Zhang, Jing, et al.
Pubblicazione: (2025)
Beyond Degradation Redundancy: Contrastive Prompt Learning for All-in-One Image Restoration
di: Wu, Gang, et al.
Pubblicazione: (2025)
di: Wu, Gang, et al.
Pubblicazione: (2025)
Seeing Beyond Redundancy: Task Complexity's Role in Vision Token Specialization in VLLMs
di: Hannan, Darryl, et al.
Pubblicazione: (2026)
di: Hannan, Darryl, et al.
Pubblicazione: (2026)
Discovering Intrinsic Spatial-Temporal Logic Rules to Explain Human Actions
di: Cao, Chengzhi, et al.
Pubblicazione: (2023)
di: Cao, Chengzhi, et al.
Pubblicazione: (2023)
TimeChat-Online: 80% Visual Tokens are Naturally Redundant in Streaming Videos
di: Yao, Linli, et al.
Pubblicazione: (2025)
di: Yao, Linli, et al.
Pubblicazione: (2025)
TV-RAG: A Temporal-aware and Semantic Entropy-Weighted Framework for Long Video Retrieval and Understanding
di: Cao, Zongsheng, et al.
Pubblicazione: (2025)
di: Cao, Zongsheng, et al.
Pubblicazione: (2025)
PurifyGen: A Risk-Discrimination and Semantic-Purification Model for Safe Text-to-Image Generation
di: Cao, Zongsheng, et al.
Pubblicazione: (2025)
di: Cao, Zongsheng, et al.
Pubblicazione: (2025)
Exploring Visual Prompting: Robustness Inheritance and Beyond
di: Li, Qi, et al.
Pubblicazione: (2025)
di: Li, Qi, et al.
Pubblicazione: (2025)
Documenti analoghi
-
Pensieve: Retrospect-then-Compare Mitigates Visual Hallucination
di: Yang, Dingchen, et al.
Pubblicazione: (2024) -
Expedited Training of Visual Conditioned Language Generation via Redundancy Reduction
di: Jian, Yiren, et al.
Pubblicazione: (2023) -
FALCON: Resolving Visual Redundancy and Fragmentation in High-resolution Multimodal Large Language Models via Visual Registers
di: Zhang, Renshan, et al.
Pubblicazione: (2025) -
A Comprehensive Study on Visual Token Redundancy for Discrete Diffusion-based Multimodal Large Language Models
di: Li, Duo, et al.
Pubblicazione: (2025) -
Insight-V: Exploring Long-Chain Visual Reasoning with Multimodal Large Language Models
di: Dong, Yuhao, et al.
Pubblicazione: (2024)