Buchumschlag

GeoMM: On Geodesic Perspective for Multi-modal Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mei, Shibin, Wang, Hang, Ni, Bingbing
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

MSSIDD: A Benchmark for Multi-Sensor Denoising
von: Mei, Shibin, et al.
Veröffentlicht: (2024)

CRAG-MM: Multi-modal Multi-turn Comprehensive RAG Benchmark
von: Wang, Jiaqi, et al.
Veröffentlicht: (2025)

WeatherPrompt: Multi-modality Representation Learning for All-Weather Drone Visual Geo-Localization
von: Wen, Jiahao, et al.
Veröffentlicht: (2025)

MM-Interleaved: Interleaved Image-Text Generative Modeling via Multi-modal Feature Synchronizer
von: Tian, Changyao, et al.
Veröffentlicht: (2024)

OmniBooth: Learning Latent Control for Image Synthesis with Multi-modal Instruction
von: Li, Leheng, et al.
Veröffentlicht: (2024)

Diff-MM: Exploring Pre-trained Text-to-Image Generation Model for Unified Multi-modal Object Tracking
von: Xuan, Shiyu, et al.
Veröffentlicht: (2025)

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

MM-Gaussian: 3D Gaussian-based Multi-modal Fusion for Localization and Reconstruction in Unbounded Scenes
von: Wu, Chenyang, et al.
Veröffentlicht: (2024)

A Novel Perspective for Multi-modal Multi-label Skin Lesion Classification
von: Zhang, Yuan, et al.
Veröffentlicht: (2024)

SiamMM: A Mixture Model Perspective on Deep Unsupervised Learning
von: Wang, Xiaodong, et al.
Veröffentlicht: (2025)

MM-Conv: A Multi-modal Conversational Dataset for Virtual Humans
von: Deichler, Anna, et al.
Veröffentlicht: (2024)

Multi-modality action recognition based on dual feature shift in vehicle cabin monitoring
von: Lin, Dan, et al.
Veröffentlicht: (2024)

GeoDiffMM: Geometry-Guided Conditional Diffusion for Motion Magnification
von: Liu, Xuedeng, et al.
Veröffentlicht: (2025)

MM-GTUNets: Unified Multi-Modal Graph Deep Learning for Brain Disorders Prediction
von: Cai, Luhui, et al.
Veröffentlicht: (2024)

DualFocus: Integrating Macro and Micro Perspectives in Multi-modal Large Language Models
von: Cao, Yuhang, et al.
Veröffentlicht: (2024)

LVIC: Multi-modality segmentation by Lifting Visual Info as Cue
von: Dong, Zichao, et al.
Veröffentlicht: (2024)

GeodesicNVS: Probability Density Geodesic Flow Matching for Novel View Synthesis
von: Wang, Xuqin, et al.
Veröffentlicht: (2026)

Visual-O1: Understanding Ambiguous Instructions via Multi-modal Multi-turn Chain-of-thoughts Reasoning
von: Ni, Minheng, et al.
Veröffentlicht: (2024)

PM2: A New Prompting Multi-modal Model Paradigm for Few-shot Medical Image Classification
von: Wang, Zhenwei, et al.
Veröffentlicht: (2024)

Learning Unsupervised Gaze Representation via Eye Mask Driven Information Bottleneck
von: Jiang, Yangzhou, et al.
Veröffentlicht: (2024)

GeoCD: A Differential Local Approximation for Geodesic Chamfer Distance
von: Alonso, Pedro, et al.
Veröffentlicht: (2025)

GeoConv: Geodesic Guided Convolution for Facial Action Unit Recognition
von: Chen, Yuedong, et al.
Veröffentlicht: (2020)

MV-DETR: Multi-modality indoor object detection by Multi-View DEtecton TRansformers
von: Dong, Zichao, et al.
Veröffentlicht: (2024)

Unprejudiced Training Auxiliary Tasks Makes Primary Better: A Multi-Task Learning Perspective
von: Li, Yuanze, et al.
Veröffentlicht: (2024)

MM-MovieDubber: Towards Multi-Modal Learning for Multi-Modal Movie Dubbing
von: Zheng, Junjie, et al.
Veröffentlicht: (2025)

MM-Nav: Multi-View VLA Model for Robust Visual Navigation via Multi-Expert Learning
von: Xu, Tianyu, et al.
Veröffentlicht: (2025)

MM-Snowball: Evaluating and Mitigating Hallucination Snowballing in Multimodal Multi-Turn Dialogue
von: Jiang, Yue, et al.
Veröffentlicht: (2026)

Human-AI Collaborative Multi-modal Multi-rater Learning for Endometriosis Diagnosis
von: Wang, Hu, et al.
Veröffentlicht: (2024)

SelfGeo: Self-supervised and Geodesic-consistent Estimation of Keypoints on Deformable Shapes
von: Zohaib, Mohammad, et al.
Veröffentlicht: (2024)

DualNeRF: Text-Driven 3D Scene Editing via Dual-Field Representation
von: Xiong, Yuxuan, et al.
Veröffentlicht: (2025)

3DProxyImg: Controllable 3D-Aware Animation Synthesis from Single Image via 2D-3D Aligned Proxy Embedding
von: Zhu, Yupeng, et al.
Veröffentlicht: (2025)

PaintFlow: A Unified Framework for Interactive Oil Paintings Editing and Generation
von: Hu, Zhangli, et al.
Veröffentlicht: (2025)

AU-vMAE: Knowledge-Guide Action Units Detection via Video Masked Autoencoder
von: Jin, Qiaoqiao, et al.
Veröffentlicht: (2024)

MM-LDM: Multi-Modal Latent Diffusion Model for Sounding Video Generation
von: Sun, Mingzhen, et al.
Veröffentlicht: (2024)

LVLM-empowered Multi-modal Representation Learning for Visual Place Recognition
von: Wang, Teng, et al.
Veröffentlicht: (2024)

Vectorized Video Representation with Easy Editing via Hierarchical Spatio-Temporally Consistent Proxy Embedding
von: Chen, Ye, et al.
Veröffentlicht: (2025)

TAL: Two-stream Adaptive Learning for Generalizable Person Re-identification
von: Yan, Yichao, et al.
Veröffentlicht: (2021)

Learning Geodesics of Geometric Shape Deformations From Images
von: Wu, Nian, et al.
Veröffentlicht: (2024)

Learning Adaptive Fusion Bank for Multi-modal Salient Object Detection
von: Wang, Kunpeng, et al.
Veröffentlicht: (2024)

HumanMM: Global Human Motion Recovery from Multi-shot Videos
von: Zhang, Yuhong, et al.
Veröffentlicht: (2025)