LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

Documenti analoghi

• Beyond LLaVA-HD: Diving into High-Resolution Large Multimodal Models
  di: Zhang, Yi-Fan, et al.
  Pubblicazione: (2024)
• LLaVA-Critic: Learning to Evaluate Multimodal Models
  di: Xiong, Tianyi, et al.
  Pubblicazione: (2024)
• TG-LLaVA: Text Guided LLaVA via Learnable Latent Embeddings
  di: Yan, Dawei, et al.
  Pubblicazione: (2024)
• LLaVA-KD: A Framework of Distilling Multimodal Large Language Models
  di: Cai, Yuxuan, et al.
  Pubblicazione: (2024)
• LLaVA-CoT: Let Vision Language Models Reason Step-by-Step
  di: Xu, Guowei, et al.
  Pubblicazione: (2024)