Buchumschlag

MCITlib: Multimodal Continual Instruction Tuning Library and Benchmark

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Guo, Haiyang, Zhu, Fei, Zhao, Hongbo, Zeng, Fanhu, Liu, Wenzhuo, Ma, Shijie, Wang, Da-Han, Zhang, Xu-Yao
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

CL-VISTA: Benchmarking Continual Learning in Video Large Language Models
von: Guo, Haiyang, et al.
Veröffentlicht: (2026)

ModalPrompt: Towards Efficient Multimodal Continual Instruction Tuning with Dual-Modality Guided Prompt
von: Zeng, Fanhu, et al.
Veröffentlicht: (2024)

Continual Learning for Generative AI: From LLMs to MLLMs and Beyond
von: Guo, Haiyang, et al.
Veröffentlicht: (2025)

LLaVA-c: Continual Improved Visual Instruction Tuning
von: Liu, Wenzhuo, et al.
Veröffentlicht: (2025)

RobustMerge: Parameter-Efficient Model Merging for MLLMs with Direction Robustness
von: Zeng, Fanhu, et al.
Veröffentlicht: (2025)

Happy: A Debiased Learning Framework for Continual Generalized Category Discovery
von: Ma, Shijie, et al.
Veröffentlicht: (2024)

VTCBench: Can Vision-Language Models Understand Long Context with Vision-Text Compression?
von: Zhao, Hongbo, et al.
Veröffentlicht: (2025)

Federated Continual Instruction Tuning
von: Guo, Haiyang, et al.
Veröffentlicht: (2025)

PILoRA: Prototype Guided Incremental LoRA for Federated Class-Incremental Learning
von: Guo, Haiyang, et al.
Veröffentlicht: (2024)

Towards Efficient and General-Purpose Few-Shot Misclassification Detection for Vision-Language Models
von: Zeng, Fanhu, et al.
Veröffentlicht: (2025)

Multimodal Continual Instruction Tuning with Dynamic Gradient Guidance
von: Li, Songze, et al.
Veröffentlicht: (2025)

Local-Prompt: Extensible Local Prompts for Few-Shot Out-of-Distribution Detection
von: Zeng, Fanhu, et al.
Veröffentlicht: (2024)

Branch-Tuning: Balancing Stability and Plasticity for Continual Self-Supervised Learning
von: Liu, Wenzhuo, et al.
Veröffentlicht: (2024)

MSPE: Multi-Scale Patch Embedding Prompts Vision Transformers to Any Resolution
von: Liu, Wenzhuo, et al.
Veröffentlicht: (2024)

MLLM-CL: Continual Learning for Multimodal Large Language Models
von: Zhao, Hongbo, et al.
Veröffentlicht: (2025)

Dynamic Cross-Modal Prompt Generation for Multimodal Continual Instruction Tuning
von: Hu, Tao, et al.
Veröffentlicht: (2026)

Dynamic Mixture of Curriculum LoRA Experts for Continual Multimodal Instruction Tuning
von: Ge, Chendi, et al.
Veröffentlicht: (2025)

HiDe-LLaVA: Hierarchical Decoupling for Continual Instruction Tuning of Multimodal Large Language Model
von: Guo, Haiyang, et al.
Veröffentlicht: (2025)

MMDG-Bench: A Benchmark for Multimodal Domain Generalization
von: Zhan, Qianshan, et al.
Veröffentlicht: (2026)

Prism: A Plug-in Reproducible Infrastructure for Scalable Multimodal Continual Instruction Tuning
von: Tang, Jun-Tao, et al.
Veröffentlicht: (2026)

ProtoAda: Prototype-Guided Adaptive Adapter Expansion and Geometric Consolidation for Multimodal Continual Instruction Tuning
von: Shi, Yu-Cheng, et al.
Veröffentlicht: (2026)

Multimodal Instruction Tuning with Hybrid State Space Models
von: Zhou, Jianing, et al.
Veröffentlicht: (2024)

Multimodal Instruction Tuning with Conditional Mixture of LoRA
von: Shen, Ying, et al.
Veröffentlicht: (2024)

Unveiling Fine-Grained Visual Traces: Evaluating Multimodal Interleaved Reasoning Chains in Multimodal STEM Tasks
von: Jin, Jing, et al.
Veröffentlicht: (2026)

Towards Trustworthy Dataset Distillation
von: Ma, Shijie, et al.
Veröffentlicht: (2023)

3DBench: A Scalable 3D Benchmark and Instruction-Tuning Dataset
von: Zhang, Junjie, et al.
Veröffentlicht: (2024)

Token Transforming: A Unified and Training-Free Token Compression Framework for Vision Transformer Acceleration
von: Zeng, Fanhu, et al.
Veröffentlicht: (2025)

PPT: Token Pruning and Pooling for Efficient Vision Transformers
von: Wu, Xinjian, et al.
Veröffentlicht: (2023)

Multi-scale Unified Network for Image Classification
von: Liu, Wenzhuo, et al.
Veröffentlicht: (2024)

Towards Non-Exemplar Semi-Supervised Class-Incremental Learning
von: Liu, Wenzhuo, et al.
Veröffentlicht: (2024)

MERGETUNE: Continued Fine-Tuning of Vision-Language Models
von: Wang, Wenqing, et al.
Veröffentlicht: (2026)

Active Generalized Category Discovery
von: Ma, Shijie, et al.
Veröffentlicht: (2024)

MetaMorph: Multimodal Understanding and Generation via Instruction Tuning
von: Tong, Shengbang, et al.
Veröffentlicht: (2024)

CGL: Advancing Continual GUI Learning via Reinforcement Fine-Tuning
von: Yao, Zhenquan, et al.
Veröffentlicht: (2026)

CoIN: A Benchmark of Continual Instruction tuNing for Multimodel Large Language Model
von: Chen, Cheng, et al.
Veröffentlicht: (2024)

DiffVC-RT: Towards Practical Real-Time Diffusion-based Perceptual Neural Video Compression
von: Ma, Wenzhuo, et al.
Veröffentlicht: (2026)

Advancing Multimodal Large Language Models in Chart Question Answering with Visualization-Referenced Instruction Tuning
von: Zeng, Xingchen, et al.
Veröffentlicht: (2024)

MAmmoTH-VL: Eliciting Multimodal Reasoning with Instruction Tuning at Scale
von: Guo, Jarvis, et al.
Veröffentlicht: (2024)

A High-Quality Text-Rich Image Instruction Tuning Dataset via Hybrid Instruction Generation
von: Zhou, Shijie, et al.
Veröffentlicht: (2024)

MMSD3.0: A Multi-Image Benchmark for Real-World Multimodal Sarcasm Detection
von: Zhao, Haochen, et al.
Veröffentlicht: (2025)