Buchumschlag

Abstractive Visual Understanding of Multi-modal Structured Knowledge: A New Perspective for MLLM Evaluation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Yichi, Chen, Zhuo, Guo, Lingbing, Xu, Yajing, Zhang, Min, Zhang, Wen, Chen, Huajun
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Structured and Abstractive Reasoning on Multi-modal Relational Knowledge Images
von: Zhang, Yichi, et al.
Veröffentlicht: (2025)

NativE: Multi-modal Knowledge Graph Completion in the Wild
von: Zhang, Yichi, et al.
Veröffentlicht: (2024)

Every Little Helps: Building Knowledge Graph Foundation Model with Fine-grained Transferable Multi-modal Tokens
von: Zhang, Yichi, et al.
Veröffentlicht: (2026)

Making Large Language Models Perform Better in Knowledge Graph Completion
von: Zhang, Yichi, et al.
Veröffentlicht: (2023)

Noise-powered Multi-modal Knowledge Graph Representation Framework
von: Chen, Zhuo, et al.
Veröffentlicht: (2024)

Have We Designed Generalizable Structural Knowledge Promptings? Systematic Evaluation and Rethinking
von: Zhang, Yichi, et al.
Veröffentlicht: (2024)

Multiple Heads are Better than One: Mixture of Modality Knowledge Experts for Entity Representation Learning
von: Zhang, Yichi, et al.
Veröffentlicht: (2024)

Unleashing the Power of Imbalanced Modality Information for Multi-modal Knowledge Graph Completion
von: Zhang, Yichi, et al.
Veröffentlicht: (2024)

K-ON: Stacking Knowledge On the Head Layer of Large Language Model
von: Guo, Lingbing, et al.
Veröffentlicht: (2025)

Multi-domain Knowledge Graph Collaborative Pre-training and Prompt Tuning for Diverse Downstream Tasks
von: Zhang, Yichi, et al.
Veröffentlicht: (2024)

Revisit and Outstrip Entity Alignment: A Perspective of Generative Models
von: Guo, Lingbing, et al.
Veröffentlicht: (2023)

Distributed Representations of Entities in Open-World Knowledge Graphs
von: Guo, Lingbing, et al.
Veröffentlicht: (2020)

Knowledgeable Preference Alignment for LLMs in Domain-specific Question Answering
von: Zhang, Yichi, et al.
Veröffentlicht: (2023)

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

MLLM can see? Dynamic Correction Decoding for Hallucination Mitigation
von: Wang, Chenxi, et al.
Veröffentlicht: (2024)

SciVerse: Unveiling the Knowledge Comprehension and Visual Reasoning of LMMs on Multi-modal Scientific Problems
von: Guo, Ziyu, et al.
Veröffentlicht: (2025)

Domain-Agnostic Molecular Generation with Chemical Feedback
von: Fang, Yin, et al.
Veröffentlicht: (2023)

Multi-modal Semantic Understanding with Contrastive Cross-modal Feature Alignment
von: Zhang, Ming, et al.
Veröffentlicht: (2024)

Multi-SpatialMLLM: Multi-Frame Spatial Understanding with Multi-Modal Large Language Models
von: Xu, Runsen, et al.
Veröffentlicht: (2025)

MKGL: Mastery of a Three-Word Language
von: Guo, Lingbing, et al.
Veröffentlicht: (2024)

How Do LLMs Acquire New Knowledge? A Knowledge Circuits Perspective on Continual Pre-Training
von: Ou, Yixin, et al.
Veröffentlicht: (2025)

Natural Language Understanding and Inference with MLLM in Visual Question Answering: A Survey
von: Kuang, Jiayi, et al.
Veröffentlicht: (2024)

Knowledge Graphs Meet Multi-Modal Learning: A Comprehensive Survey
von: Chen, Zhuo, et al.
Veröffentlicht: (2024)

MathVerse: Does Your Multi-modal LLM Truly See the Diagrams in Visual Math Problems?
von: Zhang, Renrui, et al.
Veröffentlicht: (2024)

Customizing Visual-Language Foundation Models for Multi-modal Anomaly Detection and Reasoning
von: Xu, Xiaohao, et al.
Veröffentlicht: (2024)

SKA-Bench: A Fine-Grained Benchmark for Evaluating Structured Knowledge Understanding of LLMs
von: Liu, Zhiqiang, et al.
Veröffentlicht: (2025)

Cognitive Visual-Language Mapper: Advancing Multimodal Comprehension with Enhanced Visual Knowledge Alignment
von: Li, Yunxin, et al.
Veröffentlicht: (2024)

Visual Language Tracking with Multi-modal Interaction: A Robust Benchmark
von: Li, Xuchen, et al.
Veröffentlicht: (2024)

Large Knowledge Model: Perspectives and Challenges
von: Chen, Huajun
Veröffentlicht: (2023)

Unveil: Unified Visual-Textual Integration and Distillation for Multi-modal Document Retrieval
von: Sun, Hao, et al.
Veröffentlicht: (2026)

Effective Training Data Synthesis for Improving MLLM Chart Understanding
von: Yang, Yuwei, et al.
Veröffentlicht: (2025)

Cantor: Inspiring Multimodal Chain-of-Thought of MLLM
von: Gao, Timin, et al.
Veröffentlicht: (2024)

Multimodal Abstractive Summarization of Instructional Videos with Vision-Language Models
von: Nazir, Maham, et al.
Veröffentlicht: (2026)

Understanding LLM Reasoning for Abstractive Summarization
von: Yuan, Haohan, et al.
Veröffentlicht: (2025)

Visual Puns from Idioms: An Iterative LLM-T2IM-MLLM Framework
von: Xiao, Kelaiti, et al.
Veröffentlicht: (2025)

MLLM-Protector: Ensuring MLLM's Safety without Hurting Performance
von: Pi, Renjie, et al.
Veröffentlicht: (2024)

Spatial Knowledge Graph-Guided Multimodal Synthesis
von: Xue, Yida, et al.
Veröffentlicht: (2025)

Fair Abstractive Summarization of Diverse Perspectives
von: Zhang, Yusen, et al.
Veröffentlicht: (2023)

Visual Thoughts: A Unified Perspective of Understanding Multimodal Chain-of-Thought
von: Cheng, Zihui, et al.
Veröffentlicht: (2025)

DTVLT: A Multi-modal Diverse Text Benchmark for Visual Language Tracking Based on LLM
von: Li, Xuchen, et al.
Veröffentlicht: (2024)