Buchumschlag

Representation Potentials of Foundation Models for Multimodal Alignment: A Survey

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lu, Jianglin, Wang, Hailing, Xu, Yi, Wang, Yizhou, Yang, Kuo, Fu, Yun
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

The Indra Representation Hypothesis for Multimodal Alignment
von: Lu, Jianglin, et al.
Veröffentlicht: (2026)

Scale-Free Graph-Language Models
von: Lu, Jianglin, et al.
Veröffentlicht: (2025)

Ref-Adv: Exploring MLLM Visual Reasoning in Referring Expression Tasks
von: Dong, Qihua, et al.
Veröffentlicht: (2026)

Embodied Representation Alignment with Mirror Neurons
von: Zhu, Wentao, et al.
Veröffentlicht: (2025)

A Survey of Resource-efficient LLM and Multimodal Foundation Models
von: Xu, Mengwei, et al.
Veröffentlicht: (2024)

Unveiling the Unseen: A Comprehensive Survey on Explainable Anomaly Detection in Images and Videos
von: Wang, Yizhou, et al.
Veröffentlicht: (2023)

A Theoretical Survey on Foundation Models
von: Fu, Shi, et al.
Veröffentlicht: (2024)

AI Alignment: A Comprehensive Survey
von: Ji, Jiaming, et al.
Veröffentlicht: (2023)

Don't Judge by the Look: Towards Motion Coherent Video Representation
von: Zhang, Yitian, et al.
Veröffentlicht: (2024)

Learning to Rotate: Temporal and Semantic Rotary Encoding for Sequential Modeling
von: Cheng, Hailing, et al.
Veröffentlicht: (2026)

IsoBench: Benchmarking Multimodal Foundation Models on Isomorphic Representations
von: Fu, Deqing, et al.
Veröffentlicht: (2024)

Through the Theory of Mind's Eye: Reading Minds with Multimodal Video Large Language Models
von: Chen, Zhawnen, et al.
Veröffentlicht: (2024)

RoboAlign-R1: Distilled Multimodal Reward Alignment for Robot Video World Models
von: Wu, Hao, et al.
Veröffentlicht: (2026)

D-CoDe: Scaling Image-Pretrained VLMs to Video via Dynamic Compression and Question Decomposition
von: Huang, Yiyang, et al.
Veröffentlicht: (2025)

Multimodal Representation Alignment for Cross-modal Information Retrieval
von: Xu, Fan, et al.
Veröffentlicht: (2025)

Distorted or Fabricated? A Survey on Hallucination in Video LLMs
von: Huang, Yiyang, et al.
Veröffentlicht: (2026)

A Survey of Multimodal Mathematical Reasoning: From Perception, Alignment to Reasoning
von: Yang, Tianyu, et al.
Veröffentlicht: (2026)

MIO: A Foundation Model on Multimodal Tokens
von: Wang, Zekun, et al.
Veröffentlicht: (2024)

Human-Centric Foundation Models: Perception, Generation and Agentic Modeling
von: Tang, Shixiang, et al.
Veröffentlicht: (2025)

BrainDINO: A Brain MRI Foundation Model for Generalizable Clinical Representation Learning
von: Wu, Yizhou, et al.
Veröffentlicht: (2026)

Foundations and Recent Trends in Multimodal Mobile Agents: A Survey
von: Wu, Biao, et al.
Veröffentlicht: (2024)

Understanding the Emergence of Multimodal Representation Alignment
von: Tjandrasuwita, Megan, et al.
Veröffentlicht: (2025)

Reinforced MLLM: A Survey on RL-Based Reasoning in Multimodal Large Language Models
von: Zhou, Guanghao, et al.
Veröffentlicht: (2025)

Endogenous Reprompting: Self-Evolving Cognitive Alignment for Unified Multimodal Models
von: Tang, Zhenchen, et al.
Veröffentlicht: (2026)

When Tabular Foundation Models Meet Strategic Tabular Data: A Prior Alignment Approach
von: Lv, Xinpeng, et al.
Veröffentlicht: (2026)

Session-Level Spoken Language Assessment with a Multimodal Foundation Model via Multi-Target Learning
von: Lin, Hong-Yun, et al.
Veröffentlicht: (2025)

Beyond Interleaving: Causal Attention Reformulations for Generative Recommender Systems
von: Cheng, Hailing
Veröffentlicht: (2026)

Trajectory Prediction Meets Large Language Models: A Survey
von: Xu, Yi, et al.
Veröffentlicht: (2025)

From Efficient Multimodal Models to World Models: A Survey
von: Mai, Xinji, et al.
Veröffentlicht: (2024)

Decipher the Modality Gap in Multimodal Contrastive Learning: From Convergent Representations to Pairwise Alignment
von: Yi, Lingjie, et al.
Veröffentlicht: (2025)

EGRA:Toward Enhanced Behavior Graphs and Representation Alignment for Multimodal Recommendation
von: Zhang, Xiaoxiong, et al.
Veröffentlicht: (2025)

From Perception to Cognition: A Survey of Vision-Language Interactive Reasoning in Multimodal Large Language Models
von: Zhou, Chenyue, et al.
Veröffentlicht: (2025)

A Survey of Scientific Large Language Models: From Data Foundations to Agent Frontiers
von: Hu, Ming, et al.
Veröffentlicht: (2025)

ECG-MoE: Mixture-of-Expert Electrocardiogram Foundation Model
von: Xu, Yuhao, et al.
Veröffentlicht: (2026)

Synergizing Foundation Models and Federated Learning: A Survey
von: Li, Shenghui, et al.
Veröffentlicht: (2024)

A Survey on Benchmarks of Multimodal Large Language Models
von: Li, Jian, et al.
Veröffentlicht: (2024)

A Survey on Parameter-Efficient Fine-Tuning for Foundation Models in Federated Learning
von: Bian, Jieming, et al.
Veröffentlicht: (2025)

Training and Serving System of Foundation Models: A Comprehensive Survey
von: Zhou, Jiahang, et al.
Veröffentlicht: (2024)

Deploying Foundation Model Powered Agent Services: A Survey
von: Xu, Wenchao, et al.
Veröffentlicht: (2024)

Adaptive Multi-Subspace Representation Steering for Attribute Alignment in Large Language Models
von: Jiang, Xinyan, et al.
Veröffentlicht: (2025)