Copertina

NeoBabel: A Multilingual Open Tower for Visual Generation

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Derakhshani, Mohammad Mahdi, Varghese, Dheeraj, Fadaee, Marzieh, Snoek, Cees G. M.
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Computation and Language Artificial Intelligence Computer Vision and Pattern Recognition
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Continual Hyperbolic Learning of Instances and Classes
di: Ayoughi, Melika, et al.
Pubblicazione: (2025)

Any-Shift Prompting for Generalization over Distributions
di: Xiao, Zehao, et al.
Pubblicazione: (2024)

Commonsense Video Question Answering through Video-Grounded Entailment Tree Reasoning
di: Liu, Huabin, et al.
Pubblicazione: (2025)

Purrception: Variational Flow Matching for Vector-Quantized Image Generation
di: Matişan, Răzvan-Andrei, et al.
Pubblicazione: (2025)

LocoMotion: Learning Motion-Focused Video-Language Representations
di: Doughty, Hazel, et al.
Pubblicazione: (2024)

Vero: An Open RL Recipe for General Visual Reasoning
di: Sarch, Gabriel, et al.
Pubblicazione: (2026)

TWIST & SCOUT: Grounding Multimodal LLM-Experts by Forget-Free Tuning
di: Bhowmik, Aritra, et al.
Pubblicazione: (2024)

TULIP: Token-length Upgraded CLIP
di: Najdenkoska, Ivona, et al.
Pubblicazione: (2024)

SelEx: Self-Expertise in Fine-Grained Generalized Category Discovery
di: Rastegar, Sarah, et al.
Pubblicazione: (2024)

IPO: Interpretable Prompt Optimization for Vision-Language Models
di: Du, Yingjun, et al.
Pubblicazione: (2024)

WorldCuisines: A Massive-Scale Benchmark for Multilingual and Multicultural Visual Question Answering on Global Cuisines
di: Winata, Genta Indra, et al.
Pubblicazione: (2024)

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

VLR-Bench: Multilingual Benchmark Dataset for Vision-Language Retrieval Augmented Generation
di: Lim, Hyeonseok, et al.
Pubblicazione: (2024)

Beyond Coarse-Grained Matching in Video-Text Retrieval
di: Chen, Aozhu, et al.
Pubblicazione: (2024)

ZeroNLG: Aligning and Autoencoding Domains for Zero-Shot Multimodal and Multilingual Natural Language Generation
di: Yang, Bang, et al.
Pubblicazione: (2023)

LAViTeR: Learning Aligned Visual and Textual Representations Assisted by Image and Caption Generation
di: Hashemi, Mohammad Abuzar, et al.
Pubblicazione: (2021)

CVQA: Culturally-diverse Multilingual Visual Question Answering Benchmark
di: Romero, David, et al.
Pubblicazione: (2024)

Image-Text Relation Prediction for Multilingual Tweets
di: Rikters, Matīss, et al.
Pubblicazione: (2025)

OpenVLThinkerV2: A Generalist Multimodal Reasoning Model for Multi-domain Visual Tasks
di: Hu, Wenbo, et al.
Pubblicazione: (2026)

Thinking-while-Generating: Interleaving Textual Reasoning throughout Visual Generation
di: Guo, Ziyu, et al.
Pubblicazione: (2025)

Mitigating Multilingual Hallucination in Large Vision-Language Models
di: Qu, Xiaoye, et al.
Pubblicazione: (2024)

Quilt-LLaVA: Visual Instruction Tuning by Extracting Localized Narratives from Open-Source Histopathology Videos
di: Seyfioglu, Mehmet Saygin, et al.
Pubblicazione: (2023)

Chitrakshara: A Large Multilingual Multimodal Dataset for Indian languages
di: Khan, Shaharukh, et al.
Pubblicazione: (2026)

Translation-Enhanced Multilingual Text-to-Image Generation
di: Li, Yaoyiran, et al.
Pubblicazione: (2023)

Janus: Decoupling Visual Encoding for Unified Multimodal Understanding and Generation
di: Wu, Chengyue, et al.
Pubblicazione: (2024)

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

MPN: Leveraging Multilingual Patch Neuron for Cross-lingual Model Editing
di: Si, Nianwen, et al.
Pubblicazione: (2024)

Babel-ImageNet: Massively Multilingual Evaluation of Vision-and-Language Representations
di: Geigle, Gregor, et al.
Pubblicazione: (2023)

ANOLE: An Open, Autoregressive, Native Large Multimodal Models for Interleaved Image-Text Generation
di: Chern, Ethan, et al.
Pubblicazione: (2024)

Learning to Correction: Explainable Feedback Generation for Visual Commonsense Reasoning Distractor
di: Chen, Jiali, et al.
Pubblicazione: (2024)

TokLIP: Marry Visual Tokens to CLIP for Multimodal Comprehension and Generation
di: Lin, Haokun, et al.
Pubblicazione: (2025)

Evaluation Agent: Efficient and Promptable Evaluation Framework for Visual Generative Models
di: Zhang, Fan, et al.
Pubblicazione: (2024)

AQuA: Toward Strategic Response Generation for Ambiguous Visual Questions
di: Jang, Jihyoung, et al.
Pubblicazione: (2026)

VEFX-Bench: A Holistic Benchmark for Generic Video Editing and Visual Effects
di: Gao, Xiangbo, et al.
Pubblicazione: (2026)

Referring Expression Generation in Visually Grounded Dialogue with Discourse-aware Comprehension Guiding
di: Willemsen, Bram, et al.
Pubblicazione: (2024)

M4-RAG: A Massive-Scale Multilingual Multi-Cultural Multimodal RAG
di: Anugraha, David, et al.
Pubblicazione: (2025)

TAP-CT: 3D Task-Agnostic Pretraining of Computed Tomography Foundation Models
di: Veenboer, Tim, et al.
Pubblicazione: (2025)

VISTA: Visual Integrated System for Tailored Automation in Math Problem Generation Using LLM
di: Lee, Jeongwoo, et al.
Pubblicazione: (2024)

Benchmarking and Enhancing Text-to-Image Models for Generating Visual Representations in Early Arithmetic Education
di: Wang, Junling, et al.
Pubblicazione: (2026)

mmE5: Improving Multimodal Multilingual Embeddings via High-quality Synthetic Data
di: Chen, Haonan, et al.
Pubblicazione: (2025)