Buchumschlag

VQRAE: Representation Quantization Autoencoders for Multimodal Understanding, Generation and Reconstruction

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Du, Sinan, Guo, Jiahao, Li, Bo, Cui, Shuhao, Xu, Zhengzhuo, Luo, Yifu, Wei, Yongxian, Gai, Kun, Wang, Xinggang, Wu, Kai, Yuan, Chun
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

Visual Generation Tuning
von: Guo, Jiahao, et al.
Veröffentlicht: (2025)

ChartMoE: Mixture of Diversely Aligned Expert Connector for Chart Understanding
von: Xu, Zhengzhuo, et al.
Veröffentlicht: (2024)

ChartBench: A Benchmark for Complex Visual Reasoning in Charts
von: Xu, Zhengzhuo, et al.
Veröffentlicht: (2023)

Improving Reconstruction of Representation Autoencoder
von: Liu, Siyu, et al.
Veröffentlicht: (2026)

Q-BERT4Rec: Quantized Semantic-ID Representation Learning for Multimodal Recommendation
von: Huang, Haofeng, et al.
Veröffentlicht: (2025)

OptMerge: Unifying Multimodal LLM Capabilities and Modalities via Model Merging
von: Wei, Yongxian, et al.
Veröffentlicht: (2025)

ALoRE: Efficient Visual Adaptation via Aggregating Low Rank Experts
von: Du, Sinan, et al.
Veröffentlicht: (2024)

ChartPoint: Guiding MLLMs with Grounding Reflection for Chart Reasoning
von: Xu, Zhengzhuo, et al.
Veröffentlicht: (2025)

Representation Quantization for Collaborative Filtering Augmentation
von: Luo, Yunze, et al.
Veröffentlicht: (2025)

VACoT: Rethinking Visual Data Augmentation with VLMs
von: Xu, Zhengzhuo, et al.
Veröffentlicht: (2025)

IntactKV: Improving Large Language Model Quantization by Keeping Pivot Tokens Intact
von: Liu, Ruikang, et al.
Veröffentlicht: (2024)

OmniMamba: Efficient and Unified Multimodal Understanding and Generation via State Space Models
von: Zou, Jialv, et al.
Veröffentlicht: (2025)

Boosting Latent Diffusion Models via Disentangled Representation Alignment
von: Page, John, et al.
Veröffentlicht: (2026)

Steering Visual Generation in Unified Multimodal Models with Understanding Supervision
von: Liu, Zeyu, et al.
Veröffentlicht: (2026)

Principled RL for Flow Matching Emerges from the Chunk-level Policy Optimization
von: Luo, Yifu, et al.
Veröffentlicht: (2025)

Draw with Thought: Unleashing Multimodal Reasoning for Scientific Diagram Generation
von: Cui, Zhiqing, et al.
Veröffentlicht: (2025)

Understanding Internal Representations of Recommendation Models with Sparse Autoencoders
von: Wang, Jiayin, et al.
Veröffentlicht: (2024)

Reconstruction vs. Generation: Taming Optimization Dilemma in Latent Diffusion Models
von: Yao, Jingfeng, et al.
Veröffentlicht: (2025)

Memory Grafting: Scaling Language Model Pre-training via Offline Conditional Memory
von: Cheng, Runxi, et al.
Veröffentlicht: (2026)

Learning to Pose Problems: Reasoning-Driven and Solver-Adaptive Data Synthesis
von: Wei, Yongxian, et al.
Veröffentlicht: (2025)

Reconstruction-Driven Multimodal Representation Learning for Automated Media Understanding
von: Benhammou, Yassir, et al.
Veröffentlicht: (2025)

Evaluating Compositional Scene Understanding in Multimodal Generative Models
von: Fu, Shuhao, et al.
Veröffentlicht: (2025)

Learning Time-Aware Causal Representation for Model Generalization in Evolving Domains
von: He, Zhuo, et al.
Veröffentlicht: (2025)

Understanding Self-Supervised Pretraining with Part-Aware Representation Learning
von: Zhu, Jie, et al.
Veröffentlicht: (2023)

MOON: Generative MLLM-based Multimodal Representation Learning for E-commerce Product Understanding
von: Zhang, Daoze, et al.
Veröffentlicht: (2025)

DecQ: Detail-Condensing Queries for Enhanced Reconstruction and Generation in Representation Autoencoders
von: Wang, Tianhang, et al.
Veröffentlicht: (2026)

Modality-Aware and Anatomical Vector-Quantized Autoencoding for Multimodal Brain MRI
von: Li, Mingjie, et al.
Veröffentlicht: (2026)

Unlocking Tuning-Free Few-Shot Adaptability in Visual Foundation Models by Recycling Pre-Tuned LoRAs
von: Hu, Zixuan, et al.
Veröffentlicht: (2024)

Whoever Started the Interference Should End It: Guiding Data-Free Model Merging via Task Vectors
von: Cheng, Runxi, et al.
Veröffentlicht: (2025)

End-to-End Reaction Field Energy Modeling via Deep Learning based Voxel-to-voxel Transform
von: Wu, Yongxian, et al.
Veröffentlicht: (2024)

Fractal transference principles for subsets of $\mathbb{N}^d$ of positive density
von: Guo, Zhuowen, et al.
Veröffentlicht: (2026)

SARMAE: Masked Autoencoder for SAR Representation Learning
von: Liu, Danxu, et al.
Veröffentlicht: (2025)

Perceive, Understand and Restore: Real-World Image Super-Resolution with Autoregressive Multimodal Generative Models
von: Wei, Hongyang, et al.
Veröffentlicht: (2025)

AlphaVAE: Unified End-to-End RGBA Image Reconstruction and Generation with Alpha-Aware Representation Learning
von: Wang, Zile, et al.
Veröffentlicht: (2025)

VQ-SGen: A Vector Quantized Stroke Representation for Creative Sketch Generation
von: Wang, Jiawei, et al.
Veröffentlicht: (2024)

Harmonizing Visual Representations for Unified Multimodal Understanding and Generation
von: Wu, Size, et al.
Veröffentlicht: (2025)

PTQ4SAM: Post-Training Quantization for Segment Anything
von: Lv, Chengtao, et al.
Veröffentlicht: (2024)

Efficient 3D Content Reconstruction and Generation
von: Li, Jiahao
Veröffentlicht: (2026)

Implementation of Quantum Implicit Neural Representation in Deterministic and Probabilistic Autoencoders for Image Reconstruction/Generation Tasks
von: Eren, Saadet Müzehher
Veröffentlicht: (2026)

Decomposed Vector-Quantized Variational Autoencoder for Human Grasp Generation
von: Zhao, Zhe, et al.
Veröffentlicht: (2024)