:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hao, Haiqing, Zubić, Nikola, He, Weihua, Sui, Zhipeng, Scaramuzza, Davide, Wang, Wenhui
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence Computation and Language Computer Vision and Pattern Recognition
Online-Zugang:	https://arxiv.org/abs/2505.11165
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Low-latency Event-based Object Detection with Spatially-Sparse Linear Attention
von: Hao, Haiqing, et al.
Veröffentlicht: (2026)

State Space Models for Event Cameras
von: Zubić, Nikola, et al.
Veröffentlicht: (2024)

Perturbed State Space Feature Encoders for Optical Flow with Event Cameras
von: Raju, Gokul Raju Govinda, et al.
Veröffentlicht: (2025)

On the Expressive Power and Limitations of Multi-Layer SSMs
von: Zubić, Nikola, et al.
Veröffentlicht: (2026)

Hybrid Event Frame Sensors: Modeling, Calibration, and Simulation
von: Lu, Yunfan, et al.
Veröffentlicht: (2025)

Connect, Collapse, Corrupt: Learning Cross-Modal Tasks with Uni-Modal Data
von: Zhang, Yuhui, et al.
Veröffentlicht: (2024)

Layerwise Change of Knowledge in Neural Networks
von: Cheng, Xu, et al.
Veröffentlicht: (2024)

A Primal-Dual Framework for Transformers and Neural Networks
von: Nguyen, Tan M., et al.
Veröffentlicht: (2024)

Towards the Resistance of Neural Network Watermarking to Fine-tuning
von: Tang, Ling, et al.
Veröffentlicht: (2025)

Woodpecker: Hallucination Correction for Multimodal Large Language Models
von: Yin, Shukang, et al.
Veröffentlicht: (2023)

EVTP-IVS: Effective Visual Token Pruning For Unifying Instruction Visual Segmentation In Multi-Modal Large Language Models
von: Zhu, Wenhui, et al.
Veröffentlicht: (2025)

Ovis: Structural Embedding Alignment for Multimodal Large Language Model
von: Lu, Shiyin, et al.
Veröffentlicht: (2024)

Concept-based Analysis of Neural Networks via Vision-Language Models
von: Mangal, Ravi, et al.
Veröffentlicht: (2024)

CLEVRER-Humans: Describing Physical and Causal Events the Human Way
von: Mao, Jiayuan, et al.
Veröffentlicht: (2023)

Natural Language Generation from Visual Events: State-of-the-Art and Key Open Questions
von: Surikuchi, Aditya K, et al.
Veröffentlicht: (2025)

Multimodal Tabular Reasoning with Privileged Structured Information
von: Jiang, Jun-Peng, et al.
Veröffentlicht: (2025)

Libra-VLA: Achieving Learning Equilibrium via Asynchronous Coarse-to-Fine Dual-System
von: Wei, Yifei, et al.
Veröffentlicht: (2026)

Efficient Pre-training for Localized Instruction Generation of Videos
von: Batra, Anil, et al.
Veröffentlicht: (2023)

RetinalGPT: A Retinal Clinical Preference Conversational Assistant Powered by Large Vision-Language Models
von: Zhu, Wenhui, et al.
Veröffentlicht: (2025)

CADENet: Condition-Adaptive Asynchronous Dual-Stream Enhancement Network for Adverse Weather Perception in Autonomous Driving
von: Khairy, Sherif, et al.
Veröffentlicht: (2026)

From Neural Activations to Concepts: A Survey on Explaining Concepts in Neural Networks
von: Lee, Jae Hee, et al.
Veröffentlicht: (2023)

Parrot: Multilingual Visual Instruction Tuning
von: Sun, Hai-Long, et al.
Veröffentlicht: (2024)

Transformers are Stateless Differentiable Neural Computers
von: Tang, Bo, et al.
Veröffentlicht: (2026)

A Hybrid ANN-SNN Architecture for Low-Power and Low-Latency Visual Perception
von: Aydin, Asude, et al.
Veröffentlicht: (2023)

Bridging the Gap Between Multimodal Foundation Models and World Models
von: He, Xuehai
Veröffentlicht: (2025)

Robust Training of Neural Networks at Arbitrary Precision and Sparsity
von: Ye, Chengxi, et al.
Veröffentlicht: (2024)

Return of the Encoder: Maximizing Parameter Efficiency for SLMs
von: Elfeki, Mohamed, et al.
Veröffentlicht: (2025)

Lexicon3D: Probing Visual Foundation Models for Complex 3D Scene Understanding
von: Man, Yunze, et al.
Veröffentlicht: (2024)

Detecting and Mitigating Hallucination in Large Vision Language Models via Fine-Grained AI Feedback
von: Xiao, Wenyi, et al.
Veröffentlicht: (2024)

Mitigating Motion Blur in Neural Radiance Fields with Events and Frames
von: Cannici, Marco, et al.
Veröffentlicht: (2024)

Enhancing Convolutional Neural Networks with Higher-Order Numerical Difference Methods
von: Wang, Qi, et al.
Veröffentlicht: (2024)

To Forget or Not? Towards Practical Knowledge Unlearning for Large Language Models
von: Tian, Bozhong, et al.
Veröffentlicht: (2024)

SPHINX-X: Scaling Data and Parameters for a Family of Multi-modal Large Language Models
von: Liu, Dongyang, et al.
Veröffentlicht: (2024)

Mordal: Automated Pretrained Model Selection for Vision Language Models
von: He, Shiqi, et al.
Veröffentlicht: (2025)

AMFT: Aligning LLM Reasoners by Meta-Learning the Optimal Imitation-Exploration Balance
von: He, Lixuan, et al.
Veröffentlicht: (2025)

LLM as a Neural Architect: Controlled Generation of Image Captioning Models Under Strict API Contracts
von: Jesani, Krunal, et al.
Veröffentlicht: (2025)

Ex-Omni: Enabling 3D Facial Animation Generation for Omni-modal Large Language Models
von: Zhang, Haoyu, et al.
Veröffentlicht: (2026)

Energy-based Automated Model Evaluation
von: Peng, Ru, et al.
Veröffentlicht: (2024)

OpenWebRL: Demystifying Online Multi-turn Reinforcement Learning for Visual Web Agents
von: Yang, Rui, et al.
Veröffentlicht: (2026)

From Consistency to Complementarity: Aligned and Disentangled Multi-modal Learning for Time Series Understanding and Reasoning
von: Ni, Hang, et al.
Veröffentlicht: (2026)