Buchumschlag

RMPL: Relation-aware Multi-task Progressive Learning with Stage-wise Training for Multimedia Event Extraction

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jin, Yongkang, Luo, Jianwen, Wang, Jingjing, Yao, Jianmin, Hong, Yu
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computation and Language Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Multi-task Prompt Words Learning for Social Media Content Generation
von: Xue, Haochen, et al.
Veröffentlicht: (2024)

Rethinking Training Dynamics in Scale-wise Autoregressive Generation
von: Zhou, Gengze, et al.
Veröffentlicht: (2025)

Benchmarking and Improving LVLMs on Event Extraction from Multimedia Documents
von: Xing, Fuyu, et al.
Veröffentlicht: (2025)

TacoERE: Cluster-aware Compression for Event Relation Extraction
von: Guan, Yong, et al.
Veröffentlicht: (2024)

ECHO: Event-Centric Hypergraph Operations via Multi-Agent Collaboration for Multimedia Event Extraction
von: Chu, Hailong, et al.
Veröffentlicht: (2026)

Multimedia Generative Script Learning for Task Planning
von: Wang, Qingyun, et al.
Veröffentlicht: (2022)

Musketeer: Joint Training for Multi-task Vision Language Model with Task Explanation Prompts
von: Zhang, Zhaoyang, et al.
Veröffentlicht: (2023)

EComStage: Stage-wise and Orientation-specific Benchmarking for Large Language Models in E-commerce
von: Zhao, Kaiyan, et al.
Veröffentlicht: (2026)

MMUTF: Multimodal Multimedia Event Argument Extraction with Unified Template Filling
von: Seeberger, Philipp, et al.
Veröffentlicht: (2024)

Few-Shot Relation Extraction with Hybrid Visual Evidence
von: Gong, Jiaying, et al.
Veröffentlicht: (2024)

ReMeREC: Relation-aware and Multi-entity Referring Expression Comprehension
von: Hu, Yizhi, et al.
Veröffentlicht: (2025)

R1-VL: Learning to Reason with Multimodal Large Language Models via Step-wise Group Relative Policy Optimization
von: Zhang, Jingyi, et al.
Veröffentlicht: (2025)

Mitigating Multimodal Hallucination via Phase-wise Self-reward
von: Zhang, Yu, et al.
Veröffentlicht: (2026)

SWIRL: A Staged Workflow for Interleaved Reinforcement Learning in Mobile GUI Control
von: Lu, Quanfeng, et al.
Veröffentlicht: (2025)

LiME: Lightweight Mixture of Experts for Efficient Multimodal Multi-task Learning
von: Kowsher, Md, et al.
Veröffentlicht: (2026)

3MVRD: Multimodal Multi-task Multi-teacher Visually-Rich Form Document Understanding
von: Ding, Yihao, et al.
Veröffentlicht: (2024)

Distilling Multi-Scale Knowledge for Event Temporal Relation Extraction
von: Yao, Hao-Ren, et al.
Veröffentlicht: (2022)

CURE: Curriculum-guided Multi-task Training for Reliable Anatomy Grounded Report Generation
von: Messina, Pablo, et al.
Veröffentlicht: (2026)

Structural Anchor Pruning: Training-Free Multi-Vector Compression for Visual Document Retrieval
von: Liu, Zhuchenyang, et al.
Veröffentlicht: (2026)

Rethinking Patient Education as Multi-turn Multi-modal Interaction
von: Yao, Zonghai, et al.
Veröffentlicht: (2026)

FastCuRL: Curriculum Reinforcement Learning with Stage-wise Context Scaling for Efficient Training R1-like Reasoning Models
von: Song, Mingyang, et al.
Veröffentlicht: (2025)

Co-Reinforcement Learning for Unified Multimodal Understanding and Generation
von: Jiang, Jingjing, et al.
Veröffentlicht: (2025)

Joint Extraction Matters: Prompt-Based Visual Question Answering for Multi-Field Document Information Extraction
von: Loem, Mengsay, et al.
Veröffentlicht: (2025)

A Structure-aware Generative Model for Biomedical Event Extraction
von: Yuan, Haohan, et al.
Veröffentlicht: (2024)

Pixel-Level Reasoning Segmentation via Multi-turn Conversations
von: Cai, Dexian, et al.
Veröffentlicht: (2025)

MLVU: Benchmarking Multi-task Long Video Understanding
von: Zhou, Junjie, et al.
Veröffentlicht: (2024)

PM4Bench: Benchmarking Large Vision-Language Models with Parallel Multilingual Multi-Modal Multi-task Corpus
von: Gao, Junyuan, et al.
Veröffentlicht: (2025)

Multi-modal, Multi-task, Multi-criteria Automatic Evaluation with Vision Language Models
von: Ohi, Masanari, et al.
Veröffentlicht: (2024)

Towards Effective Long-Video Event Prediction via Multi-Level Event Semantics Mining
von: Peng, Bo, et al.
Veröffentlicht: (2026)

Towards Better Multi-head Attention via Channel-wise Sample Permutation
von: Yuan, Shen, et al.
Veröffentlicht: (2024)

3M: Multi-modal Multi-task Multi-teacher Learning for Game Event Detection
von: Ng, Thye Shan, et al.
Veröffentlicht: (2024)

SignBind-LLM: Multi-Stage Modality Fusion for Sign Language Translation
von: Thomas, Marshall, et al.
Veröffentlicht: (2025)

Reducing Hallucination in Vision-Language Models via Stage-wise Preference Optimization under Distribution Shift
von: Xu, Qinwu
Veröffentlicht: (2026)

GETReason: Enhancing Image Context Extraction through Hierarchical Multi-Agent Reasoning
von: Siingh, Shikhhar, et al.
Veröffentlicht: (2025)

EventLens: Leveraging Event-Aware Pretraining and Cross-modal Linking Enhances Visual Commonsense Reasoning
von: Ma, Mingjie, et al.
Veröffentlicht: (2024)

Relevance-aware Multi-context Contrastive Decoding for Retrieval-augmented Visual Question Answering
von: Kim, Jongha, et al.
Veröffentlicht: (2026)

Sherlock: Towards Multi-scene Video Abnormal Event Extraction and Localization via a Global-local Spatial-sensitive LLM
von: Ma, Junxiao, et al.
Veröffentlicht: (2025)

MoCa: Modality-aware Continual Pre-training Makes Better Bidirectional Multimodal Embeddings
von: Chen, Haonan, et al.
Veröffentlicht: (2025)

Context-aware Visual Storytelling with Visual Prefix Tuning and Contrastive Learning
von: Song, Yingjin, et al.
Veröffentlicht: (2024)

Beyond Single-Event Extraction: Towards Efficient Document-Level Multi-Event Argument Extraction
von: Liu, Wanlong, et al.
Veröffentlicht: (2024)