Buchumschlag

MoTE: Mixture of Ternary Experts for Memory-efficient Large Multimodal Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Hongyu, Xu, Jiayu, Wang, Ruiping, Feng, Yan, Zhai, Yitao, Pei, Peng, Cai, Xunliang, Chen, Xilin
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

MoTE: Reconciling Generalization with Specialization for Visual-Language to Video Knowledge Transfer
von: Zhu, Minghao, et al.
Veröffentlicht: (2024)

Mixture of insighTful Experts (MoTE): The Synergy of Thought Chains and Expert Mixtures in Self-Alignment
von: Liu, Zhili, et al.
Veröffentlicht: (2024)

Beyond instruction-conditioning, MoTE: Mixture of Task Experts for Multi-task Embedding Models
von: Romero, Miguel, et al.
Veröffentlicht: (2025)

MoTE: Mixture of Task-specific Experts for Pre-Trained ModelBased Class-incremental Learning
von: Li, Linjie, et al.
Veröffentlicht: (2025)

M4U: Evaluating Multilingual Understanding and Reasoning for Large Multimodal Models
von: Wang, Hongyu, et al.
Veröffentlicht: (2024)

Glance and Focus: Memory Prompting for Multi-Event Video Question Answering
von: Bai, Ziyi, et al.
Veröffentlicht: (2024)

BitVLA: 1-bit Vision-Language-Action Models for Robotics Manipulation
von: Wang, Hongyu, et al.
Veröffentlicht: (2025)

SegMoTE: Token-Level Mixture of Experts for Medical Image Segmentation
von: Lu, Yujie, et al.
Veröffentlicht: (2026)

Blocks as Probes: Dissecting Categorization Ability of Large Multimodal Models
von: Fu, Bin, et al.
Veröffentlicht: (2024)

Robotic Programmer: Video Instructed Policy Code Generation for Robotic Manipulation
von: Xie, Senwei, et al.
Veröffentlicht: (2025)

MoME: Mixture of Multimodal Experts for Generalist Multimodal Large Language Models
von: Shen, Leyang, et al.
Veröffentlicht: (2024)

CuMo: Scaling Multimodal LLM with Co-Upcycled Mixture-of-Experts
von: Li, Jiachen, et al.
Veröffentlicht: (2024)

MoDES: Accelerating Mixture-of-Experts Multimodal Large Language Models via Dynamic Expert Skipping
von: Huang, Yushi, et al.
Veröffentlicht: (2025)

RoboPCA: Pose-centered Affordance Learning from Human Demonstrations for Robot Manipulation
von: Xiao, Zhanqi, et al.
Veröffentlicht: (2026)

MoVA: Adapting Mixture of Vision Experts to Multimodal Context
von: Zong, Zhuofan, et al.
Veröffentlicht: (2024)

MoIIE: Mixture of Intra- and Inter-Modality Experts for Large Vision Language Models
von: Wang, Dianyi, et al.
Veröffentlicht: (2025)

Uni-MoE: Scaling Unified Multimodal LLMs with Mixture of Experts
von: Li, Yunxin, et al.
Veröffentlicht: (2024)

I2MoE: Interpretable Multimodal Interaction-aware Mixture-of-Experts
von: Xin, Jiayi, et al.
Veröffentlicht: (2025)

MoME: Mixture of Multimodal Experts for Cancer Survival Prediction
von: Xiong, Conghao, et al.
Veröffentlicht: (2024)

A Survey on Interpretability in Visual Recognition
von: Wan, Qiyang, et al.
Veröffentlicht: (2025)

VisKnow: Constructing Visual Knowledge Base for Object Understanding
von: Yao, Ziwei, et al.
Veröffentlicht: (2025)

MoE-LLaVA: Mixture of Experts for Large Vision-Language Models
von: Lin, Bin, et al.
Veröffentlicht: (2024)

Aria: An Open Multimodal Native Mixture-of-Experts Model
von: Li, Dongxu, et al.
Veröffentlicht: (2024)

R^2MoE: Redundancy-Removal Mixture of Experts for Lifelong Concept Learning
von: Guo, Xiaohan, et al.
Veröffentlicht: (2025)

GEAR: GEometry-motion Alternating Refinement for Articulated Object Modeling with Gaussian Splatting
von: Li, Jialin, et al.
Veröffentlicht: (2026)

GM-MoE: Low-Light Enhancement with Gated-Mechanism Mixture-of-Experts
von: Liao, Minwen, et al.
Veröffentlicht: (2025)

MoRE: 3D Visual Geometry Reconstruction Meets Mixture-of-Experts
von: Gao, Jingnan, et al.
Veröffentlicht: (2025)

Semi-MoE: Mixture-of-Experts meets Semi-Supervised Histopathology Segmentation
von: Vu, Nguyen Lan Vi, et al.
Veröffentlicht: (2025)

TAG-MoE: Task-Aware Gating for Unified Generative Mixture-of-Experts
von: Xu, Yu, et al.
Veröffentlicht: (2026)

OpenSubject: Leveraging Video-Derived Identity and Diversity Priors for Subject-driven Image Generation and Manipulation
von: Liu, Yexin, et al.
Veröffentlicht: (2025)

MoE3D: A Mixture-of-Experts Module for 3D Reconstruction
von: Wang, Zichen, et al.
Veröffentlicht: (2026)

Fair-MoE: Fairness-Oriented Mixture of Experts in Vision-Language Models
von: Wang, Peiran, et al.
Veröffentlicht: (2025)

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

Mixture-of-Modality-Experts with Holistic Token Learning for Fine-Grained Multimodal Visual Analytics in Driver Action Recognition
von: Liu, Tianyi, et al.
Veröffentlicht: (2026)

ViMoE: An Empirical Study of Designing Vision Mixture-of-Experts
von: Han, Xumeng, et al.
Veröffentlicht: (2024)

MambaMoE: Mixture-of-Spectral-Spatial-Experts State Space Model for Hyperspectral Image Classification
von: Xu, Yichu, et al.
Veröffentlicht: (2025)

GS-LTS: 3D Gaussian Splatting-Based Adaptive Modeling for Long-Term Service Robots
von: Fu, Bin, et al.
Veröffentlicht: (2025)

MoME: Mixture of Visual Language Medical Experts for Medical Imaging Segmentation
von: Rezvani, Arghavan, et al.
Veröffentlicht: (2025)

CL-MoE: Enhancing Multimodal Large Language Model with Dual Momentum Mixture-of-Experts for Continual Visual Question Answering
von: Huai, Tianyu, et al.
Veröffentlicht: (2025)

RingMoE: Mixture-of-Modality-Experts Multi-Modal Foundation Models for Universal Remote Sensing Image Interpretation
von: Bi, Hanbo, et al.
Veröffentlicht: (2025)