Instruction-Grounded Visual Projectors for Continual Learning of Generative Vision-Language Models
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Jin, Hyundong, Chang, Hyung Jin, Kim, Eunwoo |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Which Concepts to Forget and How to Refuse? Decomposing Concepts for Continual Unlearning in Large Vision-Language Models
par: Jin, Hyundong, et autres
Publié: (2026)
par: Jin, Hyundong, et autres
Publié: (2026)
Continual Learning for Multiple Modalities
par: Jin, Hyundong, et autres
Publié: (2025)
par: Jin, Hyundong, et autres
Publié: (2025)
LAPIG: Language Guided Projector Image Generation with Surface Adaptation and Stylization
par: Deng, Yuchen, et autres
Publié: (2025)
par: Deng, Yuchen, et autres
Publié: (2025)
Language-Guided Diffusion Model for Visual Grounding
par: Chen, Sijia, et autres
Publié: (2023)
par: Chen, Sijia, et autres
Publié: (2023)
Scene Graph Generation with Role-Playing Large Language Models
par: Chen, Guikun, et autres
Publié: (2024)
par: Chen, Guikun, et autres
Publié: (2024)
Bi-VLDoc: Bidirectional Vision-Language Modeling for Visually-Rich Document Understanding
par: Luo, Chuwei, et autres
Publié: (2022)
par: Luo, Chuwei, et autres
Publié: (2022)
Prompt-Aware Adaptive Elastic Weight Consolidation for Continual Learning in Medical Vision-Language Models
par: Gao, Ziyuan, et autres
Publié: (2025)
par: Gao, Ziyuan, et autres
Publié: (2025)
HeGraphAdapter: Tuning Multi-Modal Vision-Language Models with Heterogeneous Graph Adapter
par: Zhao, Yumiao, et autres
Publié: (2024)
par: Zhao, Yumiao, et autres
Publié: (2024)
Spatial-Aware Efficient Projector for MLLMs via Multi-Layer Feature Aggregation
par: Qian, Shun, et autres
Publié: (2024)
par: Qian, Shun, et autres
Publié: (2024)
Visual Autoregressive Modeling for Instruction-Guided Image Editing
par: Mao, Qingyang, et autres
Publié: (2025)
par: Mao, Qingyang, et autres
Publié: (2025)
MoDA: Modulation Adapter for Fine-Grained Visual Grounding in Instructional MLLMs
par: Barrios, Wayner, et autres
Publié: (2025)
par: Barrios, Wayner, et autres
Publié: (2025)
TextRefiner: Internal Visual Feature as Efficient Refiner for Vision-Language Models Prompt Tuning
par: Xie, Jingjing, et autres
Publié: (2024)
par: Xie, Jingjing, et autres
Publié: (2024)
Exploring the Distinctiveness and Fidelity of the Descriptions Generated by Large Vision-Language Models
par: Huang, Yuhang, et autres
Publié: (2024)
par: Huang, Yuhang, et autres
Publié: (2024)
KAN-Based Fusion of Dual-Domain for Audio-Driven Facial Landmarks Generation
par: Vo-Thanh, Hoang-Son, et autres
Publié: (2024)
par: Vo-Thanh, Hoang-Son, et autres
Publié: (2024)
GS-ProCams: Gaussian Splatting-based Projector-Camera Systems
par: Deng, Qingyue, et autres
Publié: (2024)
par: Deng, Qingyue, et autres
Publié: (2024)
Grounded Chain-of-Thought for Multimodal Large Language Models
par: Wu, Qiong, et autres
Publié: (2025)
par: Wu, Qiong, et autres
Publié: (2025)
Visual Grounding with Multi-modal Conditional Adaptation
par: Yao, Ruilin, et autres
Publié: (2024)
par: Yao, Ruilin, et autres
Publié: (2024)
Enhancing Vision-Language Tracking by Effectively Converting Textual Cues into Visual Cues
par: Feng, X., et autres
Publié: (2024)
par: Feng, X., et autres
Publié: (2024)
Test-Time Adaptation with CLIP Reward for Zero-Shot Generalization in Vision-Language Models
par: Zhao, Shuai, et autres
Publié: (2023)
par: Zhao, Shuai, et autres
Publié: (2023)
WaterVG: Waterway Visual Grounding based on Text-Guided Vision and mmWave Radar
par: Guan, Runwei, et autres
Publié: (2024)
par: Guan, Runwei, et autres
Publié: (2024)
Vision-Language Models Learn Super Images for Efficient Partially Relevant Video Retrieval
par: Nishimura, Taichi, et autres
Publié: (2023)
par: Nishimura, Taichi, et autres
Publié: (2023)
Unveiling Encoder-Free Vision-Language Models
par: Diao, Haiwen, et autres
Publié: (2024)
par: Diao, Haiwen, et autres
Publié: (2024)
Unveiling the Visual Counting Bottleneck in Vision-Language Models
par: Pang, Xingzhou, et autres
Publié: (2026)
par: Pang, Xingzhou, et autres
Publié: (2026)
Enhancing the Learning Experience: Using Vision-Language Models to Generate Questions for Educational Videos
par: Stamatakis, Markos, et autres
Publié: (2025)
par: Stamatakis, Markos, et autres
Publié: (2025)
Delving Deeper: Hierarchical Visual Perception for Robust Video-Text Retrieval
par: Xie, Zequn, et autres
Publié: (2026)
par: Xie, Zequn, et autres
Publié: (2026)
Failures to Surface Harmful Contents in Video Large Language Models
par: Cao, Yuxin, et autres
Publié: (2025)
par: Cao, Yuxin, et autres
Publié: (2025)
ASAP: Advancing Semantic Alignment Promotes Multi-Modal Manipulation Detecting and Grounding
par: Zhang, Zhenxing, et autres
Publié: (2024)
par: Zhang, Zhenxing, et autres
Publié: (2024)
Mitigating Image Captioning Hallucinations in Vision-Language Models
par: Zhao, Fei, et autres
Publié: (2025)
par: Zhao, Fei, et autres
Publié: (2025)
ComAlign: Compositional Alignment in Vision-Language Models
par: Abdollah, Ali, et autres
Publié: (2024)
par: Abdollah, Ali, et autres
Publié: (2024)
Where Does Vision Meet Language? Understanding and Refining Visual Fusion in MLLMs via Contrastive Attention
par: Song, Shezheng, et autres
Publié: (2026)
par: Song, Shezheng, et autres
Publié: (2026)
Dual Attribute-Spatial Relation Alignment for 3D Visual Grounding
par: Xu, Yue, et autres
Publié: (2024)
par: Xu, Yue, et autres
Publié: (2024)
Q-Adapt: Adapting LMM for Visual Quality Assessment with Progressive Instruction Tuning
par: Lu, Yiting, et autres
Publié: (2025)
par: Lu, Yiting, et autres
Publié: (2025)
Enhancing Interactive Image Retrieval With Query Rewriting Using Large Language Models and Vision Language Models
par: Zhu, Hongyi, et autres
Publié: (2024)
par: Zhu, Hongyi, et autres
Publié: (2024)
DPC: Dual-Prompt Collaboration for Tuning Vision-Language Models
par: Li, Haoyang, et autres
Publié: (2025)
par: Li, Haoyang, et autres
Publié: (2025)
Logic Unseen: Revealing the Logical Blindspots of Vision-Language Models
par: Zhou, Yuchen, et autres
Publié: (2025)
par: Zhou, Yuchen, et autres
Publié: (2025)
Hierarchical Refinement of Universal Multimodal Attacks on Vision-Language Models
par: Zhang, Peng-Fei, et autres
Publié: (2026)
par: Zhang, Peng-Fei, et autres
Publié: (2026)
Zero-Shot Visual Grounding in 3D Gaussians via View Retrieval
par: Liao, Liwei, et autres
Publié: (2025)
par: Liao, Liwei, et autres
Publié: (2025)
MAO: Efficient Model-Agnostic Optimization of Prompt Tuning for Vision-Language Models
par: Li, Haoyang, et autres
Publié: (2025)
par: Li, Haoyang, et autres
Publié: (2025)
PathVLM-R1: A Reinforcement Learning-Driven Reasoning Model for Pathology Visual-Language Tasks
par: Wu, Jianyu, et autres
Publié: (2025)
par: Wu, Jianyu, et autres
Publié: (2025)
ChatVTG: Video Temporal Grounding via Chat with Video Dialogue Large Language Models
par: Qu, Mengxue, et autres
Publié: (2024)
par: Qu, Mengxue, et autres
Publié: (2024)
Documents similaires
-
Which Concepts to Forget and How to Refuse? Decomposing Concepts for Continual Unlearning in Large Vision-Language Models
par: Jin, Hyundong, et autres
Publié: (2026) -
Continual Learning for Multiple Modalities
par: Jin, Hyundong, et autres
Publié: (2025) -
LAPIG: Language Guided Projector Image Generation with Surface Adaptation and Stylization
par: Deng, Yuchen, et autres
Publié: (2025) -
Language-Guided Diffusion Model for Visual Grounding
par: Chen, Sijia, et autres
Publié: (2023) -
Scene Graph Generation with Role-Playing Large Language Models
par: Chen, Guikun, et autres
Publié: (2024)