Buchumschlag

M$^2$IV: Towards Efficient and Fine-grained Multimodal In-Context Learning via Representation Engineering

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Yanshu, Cao, Yi, He, Hongyang, Cheng, Qisen, Fu, Xiang, Xiao, Xi, Wang, Tianyang, Tang, Ruixiang
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

CATP: Contextually Adaptive Token Pruning for Efficient and Enhanced Multimodal In-Context Learning
von: Li, Yanshu, et al.
Veröffentlicht: (2025)

Towards Generalizable Implicit In-Context Learning with Attention Routing
von: Li, Jiaqian, et al.
Veröffentlicht: (2025)

Make LVLMs Focus: Context-Aware Attention Modulation for Better Multimodal In-Context Learning
von: Li, Yanshu, et al.
Veröffentlicht: (2025)

TACO: Enhancing Multimodal In-context Learning via Task Mapping-Guided Sequence Configuration
von: Li, Yanshu, et al.
Veröffentlicht: (2025)

Advancing Multimodal In-Context Learning in Large Vision-Language Models with Task-aware Demonstrations
von: Li, Yanshu
Veröffentlicht: (2025)

TRACES: Proactive Safety Auditing for Multi-Turn LLM Agents via Trajectory-State Modeling
von: Li, Jiaqian, et al.
Veröffentlicht: (2026)

Enhancing Fine-grained Object Detection in Aerial Images via Orthogonal Mapping
von: Zhu, Haoran, et al.
Veröffentlicht: (2024)

Beyond Editing Pairs: Fine-Grained Instructional Image Editing via Multi-Scale Learnable Regions
von: Ma, Chenrui, et al.
Veröffentlicht: (2025)

SaFeR-VLM: Toward Safety-aware Fine-grained Reasoning in Multimodal Models
von: Yi, Huahui, et al.
Veröffentlicht: (2025)

Learning Unsupervised Semantic Document Representation for Fine-grained Aspect-based Sentiment Analysis
von: Fu, Hao-Ming, et al.
Veröffentlicht: (2024)

When Reward Hacking Rebounds: Understanding and Mitigating It with Representation-Level Signals
von: Wu, Rui, et al.
Veröffentlicht: (2026)

Read the Scene, Not the Script: Outcome-Aware Safety for LLMs
von: Wu, Rui, et al.
Veröffentlicht: (2025)

M3LLM: Model Context Protocol-aided Mixture of Vision Experts For Multimodal LLMs in Networks
von: Zeng, Yongjie, et al.
Veröffentlicht: (2025)

Not All Directions Matter: Towards Structured and Task-Aware Low-Rank Model Adaptation
von: Xiao, Xi, et al.
Veröffentlicht: (2026)

Caption Anything in Video: Fine-grained Object-centric Captioning via Spatiotemporal Multimodal Prompting
von: Tang, Yunlong, et al.
Veröffentlicht: (2025)

TokenSeek: Memory Efficient Fine Tuning via Instance-Aware Token Ditching
von: Zeng, Runjia, et al.
Veröffentlicht: (2026)

Fine-grained Image Retrieval via Dual-Vision Adaptation
von: Jiang, Xin, et al.
Veröffentlicht: (2025)

Towards Efficient and Effective Text-to-Video Retrieval with Coarse-to-Fine Visual Representation Learning
von: Tian, Kaibin, et al.
Veröffentlicht: (2024)

CulFiT: A Fine-grained Cultural-aware LLM Training Paradigm via Multilingual Critique Data Synthesis
von: Feng, Ruixiang, et al.
Veröffentlicht: (2025)

Identity-Aware U-Net: Fine-grained Cell Segmentation via Identity-Aware Representation Learning
von: Xiao, Rui
Veröffentlicht: (2026)

Multimodal Fine-grained Reasoning for Post Quality Evaluation
von: Guo, Xiaoxu, et al.
Veröffentlicht: (2025)

Multimodal Fine-grained Context Interaction Graph Modeling for Conversational Speech Synthesis
von: Jia, Zhenqi, et al.
Veröffentlicht: (2025)

ReLoop: "Seeing Twice and Thinking Backwards" via Closed-loop Training to Mitigate Hallucinations in Multimodal understanding
von: Yang, Jianjiang, et al.
Veröffentlicht: (2025)

Towards Context-Robust LLMs: A Gated Representation Fine-tuning Approach
von: Zeng, Shenglai, et al.
Veröffentlicht: (2025)

FusionAudio-1.2M: Towards Fine-grained Audio Captioning with Multimodal Contextual Fusion
von: Chen, Shunian, et al.
Veröffentlicht: (2025)

Athena: Efficient Block-Wise Post-Training Quantization for Large Language Models Using Second-Order Matrix Derivative Information
von: Wang, Yanshu, et al.
Veröffentlicht: (2024)

Self-Supervised Visual Prompting for Cross-Domain Road Damage Detection
von: Xiao, Xi, et al.
Veröffentlicht: (2025)

Accessible Fine-grained Data Representation via Spatial Audio
von: Liu, Can, et al.
Veröffentlicht: (2026)

EvaNet: Towards More Efficient and Consistent Infrared and Visible Image Fusion Assessment
von: Cheng, Chunyang, et al.
Veröffentlicht: (2026)

Wavelet-Driven Masked Image Modeling: A Path to Efficient Visual Representation
von: Xiang, Wenzhao, et al.
Veröffentlicht: (2025)

FLAIR: VLM with Fine-grained Language-informed Image Representations
von: Xiao, Rui, et al.
Veröffentlicht: (2024)

Self-Constructed Context Decompilation with Fined-grained Alignment Enhancement
von: Feng, Yunlong, et al.
Veröffentlicht: (2024)

Tokenization, Fusion, and Augmentation: Towards Fine-grained Multi-modal Entity Representation
von: Zhang, Yichi, et al.
Veröffentlicht: (2024)

Learning Straight Flows: Variational Flow Matching for Efficient Generation
von: Ma, Chenrui, et al.
Veröffentlicht: (2025)

MolReFlect: Towards In-Context Fine-grained Alignments between Molecules and Texts
von: Li, Jiatong, et al.
Veröffentlicht: (2024)

MoPE: Mixture of Prompt Experts for Parameter-Efficient and Scalable Multimodal Fusion
von: Jiang, Ruixiang, et al.
Veröffentlicht: (2024)

LDP: Parameter-Efficient Fine-Tuning of Multimodal LLM for Medical Report Generation
von: Zhou, Tianyu, et al.
Veröffentlicht: (2025)

ContextNav: Towards Agentic Multimodal In-Context Learning
von: Fu, Honghao, et al.
Veröffentlicht: (2025)

HiVG: Hierarchical Multimodal Fine-grained Modulation for Visual Grounding
von: Xiao, Linhui, et al.
Veröffentlicht: (2024)

Unifying Prediction and Explanation in Time-Series Transformers via Shapley-based Pretraining
von: Cheng, Qisen, et al.
Veröffentlicht: (2025)