Buchumschlag

3DAlign-DAER: Dynamic Attention Policy and Efficient Retrieval Strategy for Fine-grained 3D-Text Alignment at Scale

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Fan, Yijia, Zhang, Jusheng, Cai, Kaitong, Yang, Jing, Wang, Jian, Wang, Keze
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

CF-VLM:CounterFactual Vision-Language Fine-tuning
von: Zhang, Jusheng, et al.
Veröffentlicht: (2025)

OSC: Cognitive Orchestration through Dynamic Knowledge Alignment in Multi-Agent LLM Collaboration
von: Zhang, Jusheng, et al.
Veröffentlicht: (2025)

Causal Invariance and Counterfactual Learning Driven Cooperative Game for Multi-Label Classification
von: Fan, Yijia, et al.
Veröffentlicht: (2025)

RaCoT: Plug-and-Play Contrastive Example Generation Mechanism for Enhanced LLM Reasoning Reliability
von: Cai, Kaitong, et al.
Veröffentlicht: (2025)

FlashVLM: Text-Guided Visual Token Selection for Large Multimodal Models
von: Cai, Kaitong, et al.
Veröffentlicht: (2025)

Learning Dynamics of VLM Finetuning
von: Zhang, Jusheng, et al.
Veröffentlicht: (2025)

Agent-GSPO: Communication-Efficient Multi-Agent Systems via Group Sequence Policy Optimization
von: Fan, Yijia, et al.
Veröffentlicht: (2025)

Kolmogorov-Arnold Fourier Networks
von: Zhang, Jusheng, et al.
Veröffentlicht: (2025)

MAT-Agent: Adaptive Multi-Agent Training Optimization
von: Zhang, Jusheng, et al.
Veröffentlicht: (2025)

DrDiff: Dynamic Routing Diffusion with Hierarchical Attention for Breaking the Efficiency-Quality Trade-off
von: Zhang, Jusheng, et al.
Veröffentlicht: (2025)

Cost-Effective Communication: An Auction-based Method for Language Agent Interaction
von: Fan, Yijia, et al.
Veröffentlicht: (2025)

Guardian: Decoupling Exploration from Safety in Reinforcement Learning
von: Cai, Kaitong, et al.
Veröffentlicht: (2025)

3D-Agent:Tri-Modal Multi-Agent Collaboration for Scalable 3D Object Annotation
von: Zhang, Jusheng, et al.
Veröffentlicht: (2026)

PTTA: A Pure Text-to-Animation Framework for High-Quality Creation
von: Chen, Ruiqi, et al.
Veröffentlicht: (2025)

Top-Down Semantic Refinement for Image Captioning
von: Zhang, Jusheng, et al.
Veröffentlicht: (2025)

Backward-Friendly Optimization: Training Large Language Models with Approximate Gradients under Memory Constraints
von: Yang, Jing, et al.
Veröffentlicht: (2025)

RevFFN: Memory-Efficient Full-Parameter Fine-Tuning of Mixture-of-Experts LLMs with Reversible Blocks
von: Liu, Ningyuan, et al.
Veröffentlicht: (2025)

Why Keep Your Doubts to Yourself? Trading Visual Uncertainties in Multi-Agent Bandit Systems
von: Zhang, Jusheng, et al.
Veröffentlicht: (2026)

HybridToken-VLM: Hybrid Token Compression for Vision-Language Models
von: Zhang, Jusheng, et al.
Veröffentlicht: (2025)

Spectral Gating Networks
von: Zhang, Jusheng, et al.
Veröffentlicht: (2026)

SirenPose: Dynamic Scene Reconstruction via Geometric Supervision
von: Cai, Kaitong, et al.
Veröffentlicht: (2025)

Process-of-Thought Reasoning for Videos
von: Zhang, Jusheng, et al.
Veröffentlicht: (2026)

LLM-CAS: Dynamic Neuron Perturbation for Real-Time Hallucination Correction
von: Zhang, Jensen, et al.
Veröffentlicht: (2025)

Failure-Driven Workflow Refinement
von: Zhang, Jusheng, et al.
Veröffentlicht: (2025)

MM-CoT:A Benchmark for Probing Visual Chain-of-Thought Reasoning in Multimodal Models
von: Zhang, Jusheng, et al.
Veröffentlicht: (2025)

KABB: Knowledge-Aware Bayesian Bandits for Dynamic Expert Coordination in Multi-Agent Systems
von: Zhang, Jusheng, et al.
Veröffentlicht: (2025)

Aligning Multimodal Sequential Recommendations via Robust Direct Preference Optimization with Sparse MoE
von: Huang, Hejin, et al.
Veröffentlicht: (2026)

GAM-Agent: Game-Theoretic and Uncertainty-Aware Collaboration for Complex Visual Reasoning
von: Zhang, Jusheng, et al.
Veröffentlicht: (2025)

STORM: Search-Guided Generative World Models for Robotic Manipulation
von: Lin, Wenjun, et al.
Veröffentlicht: (2025)

Rational ANOVA Networks
von: Zhang, Jusheng, et al.
Veröffentlicht: (2026)

ResAgent: Entropy-based Prior Point Discovery and Visual Reasoning for Referring Expression Segmentation
von: Wang, Yihao, et al.
Veröffentlicht: (2026)

CoAgent: Collaborative Planning and Consistency Agent for Coherent Video Generation
von: Zeng, Qinglin, et al.
Veröffentlicht: (2025)

AgriWorld:A World Tools Protocol Framework for Verifiable Agricultural Reasoning with Code-Executing LLM Agents
von: Zhang, Zhixing, et al.
Veröffentlicht: (2026)

HiVA: Self-organized Hierarchical Variable Agent via Goal-driven Semantic-Topological Evolution
von: Tang, Jinzhou, et al.
Veröffentlicht: (2025)

Self-Rewarded Multimodal Coherent Reasoning Across Diverse Visual Domains
von: Zhang, Jesen, et al.
Veröffentlicht: (2025)

A Scalable Curiosity-Driven Game-Theoretic Framework for Long-Tail Multi-Label Learning in Data Mining
von: Yang, Jing, et al.
Veröffentlicht: (2026)

From Motion to Behavior: Hierarchical Modeling of Humanoid Generative Behavior Control
von: Zhang, Jusheng, et al.
Veröffentlicht: (2025)

Adapted Center and Scale Prediction: More Stable and More Accurate
von: Wang, Wenhao, et al.
Veröffentlicht: (2020)

Cross-modal Full-mode Fine-grained Alignment for Text-to-Image Person Retrieval
von: Yin, Hao, et al.
Veröffentlicht: (2025)

Hyperbolic Hierarchical Alignment Reasoning Network for Text-3D Retrieval
von: Li, Wenrui, et al.
Veröffentlicht: (2025)