Visual Representation Alignment for Multimodal Large Language Models
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Yoon, Heeji, Jung, Jaewoo, Kim, Junwan, Choi, Hyungyu, Shin, Heeseong, Lim, Sangbeom, An, Honggyu, Kim, Chaehyun, Han, Jisang, Kim, Donghyun, Eom, Chanho, Hong, Sunghwan, Kim, Seungryong |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
URECA: Unique Region Caption Anything
par: Lim, Sangbeom, et autres
Publié: (2025)
par: Lim, Sangbeom, et autres
Publié: (2025)
Seg4Diff: Unveiling Open-Vocabulary Segmentation in Text-to-Image Diffusion Transformers
par: Kim, Chaehyun, et autres
Publié: (2025)
par: Kim, Chaehyun, et autres
Publié: (2025)
Cross-View Completion Models are Zero-shot Correspondence Estimators
par: An, Honggyu, et autres
Publié: (2024)
par: An, Honggyu, et autres
Publié: (2024)
PF3plat: Pose-Free Feed-Forward 3D Gaussian Splatting
par: Hong, Sunghwan, et autres
Publié: (2024)
par: Hong, Sunghwan, et autres
Publié: (2024)
D$^2$USt3R: Enhancing 3D Reconstruction for Dynamic Scenes
par: Han, Jisang, et autres
Publié: (2025)
par: Han, Jisang, et autres
Publié: (2025)
Emergent Outlier View Rejection in Visual Geometry Grounded Transformers
par: Han, Jisang, et autres
Publié: (2025)
par: Han, Jisang, et autres
Publié: (2025)
C3G: Learning Compact 3D Representations with 2K Gaussians
par: An, Honggyu, et autres
Publié: (2025)
par: An, Honggyu, et autres
Publié: (2025)
Referring Video Object Segmentation via Language-aligned Track Selection
par: Kim, Seongchan, et autres
Publié: (2024)
par: Kim, Seongchan, et autres
Publié: (2024)
Unifying Correspondence, Pose and NeRF for Pose-Free Novel View Synthesis from Stereo Pairs
par: Hong, Sunghwan, et autres
Publié: (2023)
par: Hong, Sunghwan, et autres
Publié: (2023)
Towards Open-Vocabulary Semantic Segmentation Without Semantic Labels
par: Shin, Heeseong, et autres
Publié: (2024)
par: Shin, Heeseong, et autres
Publié: (2024)
Relaxing Accurate Initialization Constraint for 3D Gaussian Splatting
par: Jung, Jaewoo, et autres
Publié: (2024)
par: Jung, Jaewoo, et autres
Publié: (2024)
S^4M: Boosting Semi-Supervised Instance Segmentation with SAM
par: Yoon, Heeji, et autres
Publié: (2025)
par: Yoon, Heeji, et autres
Publié: (2025)
DirecT2V: Large Language Models are Frame-Level Directors for Zero-Shot Text-to-Video Generation
par: Hong, Susung, et autres
Publié: (2023)
par: Hong, Susung, et autres
Publié: (2023)
GOAL: Global-local Object Alignment Learning
par: Choi, Hyungyu, et autres
Publié: (2025)
par: Choi, Hyungyu, et autres
Publié: (2025)
FAST-GOAL: Fast and Efficient Global-local Object Alignment Learning
par: Choi, Hyungyu, et autres
Publié: (2026)
par: Choi, Hyungyu, et autres
Publié: (2026)
VideoMaMa: Mask-Guided Video Matting via Generative Prior
par: Lim, Sangbeom, et autres
Publié: (2026)
par: Lim, Sangbeom, et autres
Publié: (2026)
Learning Global Motion with Compact Gaussians for Feed-Forward 4D Reconstruction
par: Kim, Mungyeom, et autres
Publié: (2026)
par: Kim, Mungyeom, et autres
Publié: (2026)
Entropy-Gradient Grounding: Training-Free Evidence Retrieval in Vision-Language Models
par: Gröpl, Marcel, et autres
Publié: (2026)
par: Gröpl, Marcel, et autres
Publié: (2026)
DiCo: Disentangled Concept Representation for Text-to-image Person Re-identification
par: Kim, Giyeol, et autres
Publié: (2026)
par: Kim, Giyeol, et autres
Publié: (2026)
CAT-Seg: Cost Aggregation for Open-Vocabulary Semantic Segmentation
par: Cho, Seokju, et autres
Publié: (2023)
par: Cho, Seokju, et autres
Publié: (2023)
Exploring Conditions for Diffusion models in Robotic Control
par: Shin, Heeseong, et autres
Publié: (2025)
par: Shin, Heeseong, et autres
Publié: (2025)
Unifying Feature and Cost Aggregation with Transformers for Semantic and Visual Correspondence
par: Hong, Sunghwan, et autres
Publié: (2024)
par: Hong, Sunghwan, et autres
Publié: (2024)
3D Scene Prompting for Scene-Consistent Camera-Controllable Video Generation
par: Lee, JoungBin, et autres
Publié: (2025)
par: Lee, JoungBin, et autres
Publié: (2025)
TrackCraft3R: Repurposing Video Diffusion Transformers for Dense 3D Tracking
par: Nam, Jisu, et autres
Publié: (2026)
par: Nam, Jisu, et autres
Publié: (2026)
Deep Forcing: Training-Free Long Video Generation with Deep Sink and Participative Compression
par: Yi, Jung, et autres
Publié: (2025)
par: Yi, Jung, et autres
Publié: (2025)
Multi-Granularity Video Object Segmentation
par: Lim, Sangbeom, et autres
Publié: (2024)
par: Lim, Sangbeom, et autres
Publié: (2024)
Reducing Peak Memory Usage for Modern Multimodal Large Language Model Pipelines
par: Kim, Junwan, et autres
Publié: (2026)
par: Kim, Junwan, et autres
Publié: (2026)
Domain Generalization Using Large Pretrained Models with Mixture-of-Adapters
par: Lee, Gyuseong, et autres
Publié: (2023)
par: Lee, Gyuseong, et autres
Publié: (2023)
Repurposing Video Diffusion Transformers for Robust Point Tracking
par: Son, Soowon, et autres
Publié: (2025)
par: Son, Soowon, et autres
Publié: (2025)
GaussianTalker: Real-Time High-Fidelity Talking Head Synthesis with Audio-Driven 3D Gaussian Splatting
par: Cho, Kyusun, et autres
Publié: (2024)
par: Cho, Kyusun, et autres
Publié: (2024)
AgentRVOS: Reasoning over Object Tracks for Zero-Shot Referring Video Object Segmentation
par: Jin, Woojeong, et autres
Publié: (2026)
par: Jin, Woojeong, et autres
Publié: (2026)
Object Dynamics Modeling with Hierarchical Point Cloud-based Representations
par: Kim, Chanho, et autres
Publié: (2024)
par: Kim, Chanho, et autres
Publié: (2024)
Deformation and instability of sessile soap bubbles in an electric field
par: Kim, Hongsik, et autres
Publié: (2026)
par: Kim, Hongsik, et autres
Publié: (2026)
Talk3D: High-Fidelity Talking Portrait Synthesis via Personalized 3D Generative Prior
par: Ko, Jaehoon, et autres
Publié: (2024)
par: Ko, Jaehoon, et autres
Publié: (2024)
TETO: Tracking Events with Teacher Observation for Motion Estimation and Frame Interpolation
par: Yang, Jini, et autres
Publié: (2026)
par: Yang, Jini, et autres
Publié: (2026)
Erase at the Core: Representation Unlearning for Machine Unlearning
par: Lee, Jaewon, et autres
Publié: (2026)
par: Lee, Jaewon, et autres
Publié: (2026)
Geometric Backstepping Control of Omnidirectional Tiltrotors Incorporating Servo-Rotor Dynamics for Robustness against Sudden Disturbances
par: Lee, Jaewoo, et autres
Publié: (2025)
par: Lee, Jaewoo, et autres
Publié: (2025)
STELLA: Continual Audio-Video Pre-training with Spatio-Temporal Localized Alignment
par: Lee, Jaewoo, et autres
Publié: (2023)
par: Lee, Jaewoo, et autres
Publié: (2023)
Assessing differential impacts of a trade agreement using a quantile regression approach
par: Jiyeon Kim, et autres
Publié: (2025)
par: Jiyeon Kim, et autres
Publié: (2025)
Disproportionate Voices: Participation Inequality and Hostile Engagement in News Comments
par: Kim, Sangbeom, et autres
Publié: (2025)
par: Kim, Sangbeom, et autres
Publié: (2025)
Documents similaires
-
URECA: Unique Region Caption Anything
par: Lim, Sangbeom, et autres
Publié: (2025) -
Seg4Diff: Unveiling Open-Vocabulary Segmentation in Text-to-Image Diffusion Transformers
par: Kim, Chaehyun, et autres
Publié: (2025) -
Cross-View Completion Models are Zero-shot Correspondence Estimators
par: An, Honggyu, et autres
Publié: (2024) -
PF3plat: Pose-Free Feed-Forward 3D Gaussian Splatting
par: Hong, Sunghwan, et autres
Publié: (2024) -
D$^2$USt3R: Enhancing 3D Reconstruction for Dynamic Scenes
par: Han, Jisang, et autres
Publié: (2025)