HiMo-CLIP: Modeling Semantic Hierarchy and Monotonicity in Vision-Language Alignment
Fuente:
arXiv
Salvato in:
| Autori principali: | Wu, Ruijia, Chen, Ping, Shen, Fei, Zhao, Shaoan, Hui, Qiang, Gao, Huanlin, Lu, Ting, Liu, Zhaoxiang, Zhao, Fang, Wang, Kai, Lian, Shiguo |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2025
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
MeanCache: From Instantaneous to Average Velocity for Accelerating Flow Matching Inference
di: Gao, Huanlin, et al.
Pubblicazione: (2026)
di: Gao, Huanlin, et al.
Pubblicazione: (2026)
LeMiCa: Lexicographic Minimax Path Caching for Efficient Diffusion-Based Video Generation
di: Gao, Huanlin, et al.
Pubblicazione: (2025)
di: Gao, Huanlin, et al.
Pubblicazione: (2025)
HiMo: High-Speed Objects Motion Compensation in Point Clouds
di: Zhang, Qingwen, et al.
Pubblicazione: (2025)
di: Zhang, Qingwen, et al.
Pubblicazione: (2025)
KAConvNet: Kolmogorov-Arnold Convolutional Networks for Vision Recognition
di: Liu, Zhaoxiang, et al.
Pubblicazione: (2026)
di: Liu, Zhaoxiang, et al.
Pubblicazione: (2026)
A Large Vision-Language Model based Environment Perception System for Visually Impaired People
di: Chen, Zezhou, et al.
Pubblicazione: (2025)
di: Chen, Zezhou, et al.
Pubblicazione: (2025)
TP3M: Transformer-based Pseudo 3D Image Matching with Reference Image
di: Han, Liming, et al.
Pubblicazione: (2024)
di: Han, Liming, et al.
Pubblicazione: (2024)
Patch-wise Auto-Encoder for Visual Anomaly Detection
di: Cui, Yajie, et al.
Pubblicazione: (2023)
di: Cui, Yajie, et al.
Pubblicazione: (2023)
MediaClaw: Multimodal Intelligent-Agent Platform Technical Report
di: Zhao, Shaoan, et al.
Pubblicazione: (2026)
di: Zhao, Shaoan, et al.
Pubblicazione: (2026)
SmartCLIP: Modular Vision-language Alignment with Identification Guarantees
di: Xie, Shaoan, et al.
Pubblicazione: (2025)
di: Xie, Shaoan, et al.
Pubblicazione: (2025)
CHiSafetyBench: A Chinese Hierarchical Safety Benchmark for Large Language Models
di: Zhang, Wenjing, et al.
Pubblicazione: (2024)
di: Zhang, Wenjing, et al.
Pubblicazione: (2024)
PaLMR: Towards Faithful Visual Reasoning via Multimodal Process Alignment
di: Li, Yantao, et al.
Pubblicazione: (2026)
di: Li, Yantao, et al.
Pubblicazione: (2026)
Chain-of-Trajectories: Unlocking the Intrinsic Generative Optimality of Diffusion Models via Graph-Theoretic Planning
di: Chen, Ping, et al.
Pubblicazione: (2026)
di: Chen, Ping, et al.
Pubblicazione: (2026)
What is the best model? Application-driven Evaluation for Large Language Models
di: Lian, Shiguo, et al.
Pubblicazione: (2024)
di: Lian, Shiguo, et al.
Pubblicazione: (2024)
PSTF-AttControl: Per-Subject-Tuning-Free Personalized Image Generation with Controllable Face Attributes
di: liu, Xiang, et al.
Pubblicazione: (2025)
di: liu, Xiang, et al.
Pubblicazione: (2025)
SLearnLLM: A Self-Learning Framework for Efficient Domain-Specific Adaptation of Large Language Models
di: Liu, Xiang, et al.
Pubblicazione: (2025)
di: Liu, Xiang, et al.
Pubblicazione: (2025)
Mixture of Heterogeneous Grouped Experts for Language Modeling
di: Ma, Zhicheng, et al.
Pubblicazione: (2026)
di: Ma, Zhicheng, et al.
Pubblicazione: (2026)
Hierarchical Deep Fusion Framework for Multi-dimensional Facial Forgery Detection -- The 2024 Global Deepfake Image Detection Challenge
di: Wang, Kohou, et al.
Pubblicazione: (2025)
di: Wang, Kohou, et al.
Pubblicazione: (2025)
Optimizing for the Shortest Path in Denoising Diffusion Model
di: Chen, Ping, et al.
Pubblicazione: (2025)
di: Chen, Ping, et al.
Pubblicazione: (2025)
A Multimodal Benchmark Dataset and Model for Crop Disease Diagnosis
di: Liu, Xiang, et al.
Pubblicazione: (2025)
di: Liu, Xiang, et al.
Pubblicazione: (2025)
MER-CLIP: AU-Guided Vision-Language Alignment for Micro-Expression Recognition
di: Liu, Shifeng, et al.
Pubblicazione: (2025)
di: Liu, Shifeng, et al.
Pubblicazione: (2025)
$β$-CLIP: Text-Conditioned Contrastive Learning for Multi-Granular Vision-Language Alignment
di: Zohra, Fatimah, et al.
Pubblicazione: (2025)
di: Zohra, Fatimah, et al.
Pubblicazione: (2025)
Cascade-CLIP: Cascaded Vision-Language Embeddings Alignment for Zero-Shot Semantic Segmentation
di: Li, Yunheng, et al.
Pubblicazione: (2024)
di: Li, Yunheng, et al.
Pubblicazione: (2024)
Diagnosing and Mitigating Semantic Inconsistencies in Wikidata's Classification Hierarchy
di: Zhao, Shixiong, et al.
Pubblicazione: (2025)
di: Zhao, Shixiong, et al.
Pubblicazione: (2025)
Fuzzy Reasoning Chain (FRC): An Innovative Reasoning Framework from Fuzziness to Clarity
di: Chen, Ping, et al.
Pubblicazione: (2025)
di: Chen, Ping, et al.
Pubblicazione: (2025)
MITS: A Large-Scale Multimodal Benchmark Dataset for Intelligent Traffic Surveillance
di: Zhao, Kaikai, et al.
Pubblicazione: (2025)
di: Zhao, Kaikai, et al.
Pubblicazione: (2025)
Semantic Alignment and Reinforcement for Data-Free Quantization of Vision Transformers
di: Zhong, Yunshan, et al.
Pubblicazione: (2024)
di: Zhong, Yunshan, et al.
Pubblicazione: (2024)
Web-Scale Multimodal Summarization using CLIP-Based Semantic Alignment
di: K, Mounvik, et al.
Pubblicazione: (2026)
di: K, Mounvik, et al.
Pubblicazione: (2026)
HiH: A Multi-modal Hierarchy in Hierarchy Network for Unconstrained Gait Recognition
di: Wang, Lei, et al.
Pubblicazione: (2023)
di: Wang, Lei, et al.
Pubblicazione: (2023)
Safety Evaluation of DeepSeek Models in Chinese Contexts
di: Zhang, Wenjing, et al.
Pubblicazione: (2025)
di: Zhang, Wenjing, et al.
Pubblicazione: (2025)
Sparser Block-Sparse Attention via Token Permutation
di: Wang, Xinghao, et al.
Pubblicazione: (2025)
di: Wang, Xinghao, et al.
Pubblicazione: (2025)
Beyond Geometry: Artistic Disparity Synthesis for Immersive 2D-to-3D
di: Chen, Ping, et al.
Pubblicazione: (2026)
di: Chen, Ping, et al.
Pubblicazione: (2026)
VTCBench: Can Vision-Language Models Understand Long Context with Vision-Text Compression?
di: Zhao, Hongbo, et al.
Pubblicazione: (2025)
di: Zhao, Hongbo, et al.
Pubblicazione: (2025)
Data-Driven Deepfake Image Detection Method -- The 2024 Global Deepfake Image Detection Challenge
di: Zhu, Xiaoya, et al.
Pubblicazione: (2025)
di: Zhu, Xiaoya, et al.
Pubblicazione: (2025)
DialCLIP: Empowering CLIP as Multi-Modal Dialog Retriever
di: Yin, Zhichao, et al.
Pubblicazione: (2024)
di: Yin, Zhichao, et al.
Pubblicazione: (2024)
TIR-Agent: Training an Explorative and Efficient Agent for Image Restoration
di: Zhang, Yisheng, et al.
Pubblicazione: (2026)
di: Zhang, Yisheng, et al.
Pubblicazione: (2026)
Safety Evaluation and Enhancement of DeepSeek Models in Chinese Contexts
di: Zhang, Wenjing, et al.
Pubblicazione: (2025)
di: Zhang, Wenjing, et al.
Pubblicazione: (2025)
Methodology of Adapting Large English Language Models for Specific Cultural Contexts
di: Zhang, Wenjing, et al.
Pubblicazione: (2024)
di: Zhang, Wenjing, et al.
Pubblicazione: (2024)
MTA-CLIP: Language-Guided Semantic Segmentation with Mask-Text Alignment
di: Das, Anurag, et al.
Pubblicazione: (2024)
di: Das, Anurag, et al.
Pubblicazione: (2024)
HiLa: Hierarchical Vision-Language Collaboration for Cancer Survival Prediction
di: Cui, Jiaqi, et al.
Pubblicazione: (2025)
di: Cui, Jiaqi, et al.
Pubblicazione: (2025)
DetailCLIP: Injecting Image Details into CLIP's Feature Space
di: Zhang, Zilun, et al.
Pubblicazione: (2022)
di: Zhang, Zilun, et al.
Pubblicazione: (2022)
Documenti analoghi
-
MeanCache: From Instantaneous to Average Velocity for Accelerating Flow Matching Inference
di: Gao, Huanlin, et al.
Pubblicazione: (2026) -
LeMiCa: Lexicographic Minimax Path Caching for Efficient Diffusion-Based Video Generation
di: Gao, Huanlin, et al.
Pubblicazione: (2025) -
HiMo: High-Speed Objects Motion Compensation in Point Clouds
di: Zhang, Qingwen, et al.
Pubblicazione: (2025) -
KAConvNet: Kolmogorov-Arnold Convolutional Networks for Vision Recognition
di: Liu, Zhaoxiang, et al.
Pubblicazione: (2026) -
A Large Vision-Language Model based Environment Perception System for Visually Impaired People
di: Chen, Zezhou, et al.
Pubblicazione: (2025)