Copertina

Mull-Tokens: Modality-Agnostic Latent Thinking

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Ray, Arijit, Abdelkader, Ahmed, Mao, Chengzhi, Plummer, Bryan A., Saenko, Kate, Krishna, Ranjay, Guibas, Leonidas, Chu, Wen-Sheng
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Computer Vision and Pattern Recognition Artificial Intelligence
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Tell Me What's Next: Textual Foresight for Generic UI Representations
di: Burns, Andrea, et al.
Pubblicazione: (2024)

From Fake to Real: Pretraining on Balanced Synthetic Images to Prevent Spurious Correlations in Image Recognition
di: Qraitem, Maan, et al.
Pubblicazione: (2023)

SLANT: Spurious Logo ANalysis Toolkit
di: Qraitem, Maan, et al.
Pubblicazione: (2024)

Web Artifact Attacks Disrupt Vision Language Models
di: Qraitem, Maan, et al.
Pubblicazione: (2025)

SAT: Dynamic Spatial Aptitude Training for Multimodal Language Models
di: Ray, Arijit, et al.
Pubblicazione: (2024)

OP-LoRA: The Blessing of Dimensionality
di: Teterwak, Piotr, et al.
Pubblicazione: (2024)

Is Large-Scale Pretraining the Secret to Good Domain Generalization?
di: Teterwak, Piotr, et al.
Pubblicazione: (2024)

ERM++: An Improved Baseline for Domain Generalization
di: Teterwak, Piotr, et al.
Pubblicazione: (2023)

CLAMP: Contrastive LAnguage Model Prompt-tuning
di: Teterwak, Piotr, et al.
Pubblicazione: (2023)

Vision-LLMs Can Fool Themselves with Self-Generated Typographic Attacks
di: Qraitem, Maan, et al.
Pubblicazione: (2024)

SIMS-V: Simulated Instruction-Tuning for Spatial Video Understanding
di: Brown, Ellis, et al.
Pubblicazione: (2025)

Koala: Key frame-conditioned long video-LLM
di: Tan, Reuben, et al.
Pubblicazione: (2024)

Ablate-to-Validate: Are Vision-Language Models Really Using Continuous Thought Tokens?
di: Zhang, Tianyi, et al.
Pubblicazione: (2026)

Scaling Up Temporal Domain Generalization via Temporal Experts Averaging
di: Liu, Aoming, et al.
Pubblicazione: (2025)

Concept Arithmetics for Circumventing Concept Inhibition in Diffusion Models
di: Petsiuk, Vitali, et al.
Pubblicazione: (2024)

BlenderAlchemy: Editing 3D Graphics with Vision-Language Models
di: Huang, Ian, et al.
Pubblicazione: (2024)

Marginalized Bundle Adjustment: Multi-View Camera Pose from Monocular Depth Estimates
di: Zhu, Shengjie, et al.
Pubblicazione: (2026)

Zero-Shot Open-Vocabulary Tracking with Large Pre-Trained Models
di: Chu, Wen-Hsuan, et al.
Pubblicazione: (2023)

Differences That Matter: Auditing Models for Capability Gap Discovery and Rectification
di: Liu, Qihao, et al.
Pubblicazione: (2025)

Modality Agnostic Efficient Long Range Encoder
di: Parag, Toufiq, et al.
Pubblicazione: (2025)

SCRAMBLe : Enhancing Multimodal LLM Compositionality with Synthetic Preference Data
di: Mishra, Samarth, et al.
Pubblicazione: (2025)

OCH3R: Object-Centric Holistic 3D Reconstruction
di: Du, Yi, et al.
Pubblicazione: (2026)

InfoGaussian: Structure-Aware Dynamic Gaussians through Lightweight Information Shaping
di: Zhang, Yunchao, et al.
Pubblicazione: (2024)

PASTA: Controllable Part-Aware Shape Generation with Autoregressive Transformers
di: Li, Songlin, et al.
Pubblicazione: (2024)

LNL+K: Enhancing Learning with Noisy Labels Through Noise Source Knowledge Integration
di: Wang, Siqi, et al.
Pubblicazione: (2023)

NeRF Revisited: Fixing Quadrature Instability in Volume Rendering
di: Uy, Mikaela Angelina, et al.
Pubblicazione: (2023)

Walk and Read Less: Improving the Efficiency of Vision-and-Language Navigation via Tuning-Free Multimodal Token Pruning
di: Qin, Wenda, et al.
Pubblicazione: (2025)

RefTok: Reference-Based Tokenization for Video Generation
di: Fan, Xiang, et al.
Pubblicazione: (2025)

Refining Pre-Trained Motion Models
di: Sun, Xinglong, et al.
Pubblicazione: (2024)

Support-Set Context Matters for Bongard Problems
di: Raghuraman, Nikhil, et al.
Pubblicazione: (2023)

SuperDec: 3D Scene Decomposition with Superquadric Primitives
di: Fedele, Elisabetta, et al.
Pubblicazione: (2025)

Robust Human Registration with Body Part Segmentation on Noisy Point Clouds
di: Lascheit, Kai, et al.
Pubblicazione: (2025)

MoMaps: Semantics-Aware Scene Motion Generation with Motion Maps
di: Lei, Jiahui, et al.
Pubblicazione: (2025)

Dynamic Reflections: Probing Video Representations with Text Alignment
di: Zhu, Tyler, et al.
Pubblicazione: (2025)

SplatTalk: 3D VQA with Gaussian Splatting
di: Thai, Anh, et al.
Pubblicazione: (2025)

Asymmetric Flow Models
di: Chen, Hansheng, et al.
Pubblicazione: (2026)

Multiview Equivariance Improves 3D Correspondence Understanding with Minimal Feature Finetuning
di: You, Yang, et al.
Pubblicazione: (2024)

Zero-Shot Image Feature Consensus with Deep Functional Maps
di: Cheng, Xinle, et al.
Pubblicazione: (2024)

RECAST: Reparameterized, Compact weight Adaptation for Sequential Tasks
di: Tasnim, Nazia, et al.
Pubblicazione: (2024)

Enhancing Feature Diversity Boosts Channel-Adaptive Vision Transformers
di: Pham, Chau, et al.
Pubblicazione: (2024)