VisNec: Measuring and Leveraging Visual Necessity for Multimodal Instruction Tuning
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Dong, Mingkang, Cai, Hongyi, Li, Jie, Zhou, Sifan, Ren, Bin, Peng, Kunyu, Fu, Yuqian |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Once-For-All: A Train-Once and Select-Anytime Framework for Multimodal Instruction Tuning
par: Dong, Mingkang, et autres
Publié: (2026)
par: Dong, Mingkang, et autres
Publié: (2026)
MLLM-Selector: Necessity and Diversity-driven High-Value Data Selection for Enhanced Visual Instruction Tuning
par: Ma, Yiwei, et autres
Publié: (2025)
par: Ma, Yiwei, et autres
Publié: (2025)
Osprey: Pixel Understanding with Visual Instruction Tuning
par: Yuan, Yuqian, et autres
Publié: (2023)
par: Yuan, Yuqian, et autres
Publié: (2023)
Pistachio: Towards Synthetic, Balanced, and Long-Form Video Anomaly Benchmarks
par: Li, Jie, et autres
Publié: (2025)
par: Li, Jie, et autres
Publié: (2025)
What Makes for Good Visual Instructions? Synthesizing Complex Visual Reasoning Instructions for Visual Instruction Tuning
par: Du, Yifan, et autres
Publié: (2023)
par: Du, Yifan, et autres
Publié: (2023)
Instruction Tuning-free Visual Token Complement for Multimodal LLMs
par: Wang, Dongsheng, et autres
Publié: (2024)
par: Wang, Dongsheng, et autres
Publié: (2024)
MAVIS: Mathematical Visual Instruction Tuning with an Automatic Data Engine
par: Zhang, Renrui, et autres
Publié: (2024)
par: Zhang, Renrui, et autres
Publié: (2024)
Multi-modal Instruction Tuned LLMs with Fine-grained Visual Perception
par: He, Junwen, et autres
Publié: (2024)
par: He, Junwen, et autres
Publié: (2024)
VisGym: Diverse, Customizable, Scalable Environments for Multimodal Agents
par: Wang, Zirui, et autres
Publié: (2026)
par: Wang, Zirui, et autres
Publié: (2026)
Personalized Visual Instruction Tuning
par: Pi, Renjie, et autres
Publié: (2024)
par: Pi, Renjie, et autres
Publié: (2024)
Generative Visual Instruction Tuning
par: Hernandez, Jefferson, et autres
Publié: (2024)
par: Hernandez, Jefferson, et autres
Publié: (2024)
Comparison Visual Instruction Tuning
par: Lin, Wei, et autres
Publié: (2024)
par: Lin, Wei, et autres
Publié: (2024)
ScalSelect: Scalable Training-Free Multimodal Data Selection for Efficient Visual Instruction Tuning
par: Wu, Changti, et autres
Publié: (2026)
par: Wu, Changti, et autres
Publié: (2026)
VisRefiner: Learning from Visual Differences for Screenshot-to-Code Generation
par: Deng, Jie, et autres
Publié: (2026)
par: Deng, Jie, et autres
Publié: (2026)
VTPerception-R1: Enhancing Multimodal Reasoning via Explicit Visual and Textual Perceptual Grounding
par: Ding, Yizhuo, et autres
Publié: (2025)
par: Ding, Yizhuo, et autres
Publié: (2025)
Multimodal Instruction Tuning with Hybrid State Space Models
par: Zhou, Jianing, et autres
Publié: (2024)
par: Zhou, Jianing, et autres
Publié: (2024)
ViSurf: Visual Supervised-and-Reinforcement Fine-Tuning for Large Vision-and-Language Models
par: Liu, Yuqi, et autres
Publié: (2025)
par: Liu, Yuqi, et autres
Publié: (2025)
VisBrowse-Bench: Benchmarking Visual-Native Search for Multimodal Browsing Agents
par: Zhang, Zhengbo, et autres
Publié: (2026)
par: Zhang, Zhengbo, et autres
Publié: (2026)
AutoDebias: Automated Framework for Debiasing Text-to-Image Models
par: Cai, Hongyi, et autres
Publié: (2025)
par: Cai, Hongyi, et autres
Publié: (2025)
TokenPacker: Efficient Visual Projector for Multimodal LLM
par: Li, Wentong, et autres
Publié: (2024)
par: Li, Wentong, et autres
Publié: (2024)
SemVink: Advancing VLMs' Semantic Understanding of Optical Illusions via Visual Global Thinking
par: Li, Sifan, et autres
Publié: (2025)
par: Li, Sifan, et autres
Publié: (2025)
VisCRA: A Visual Chain Reasoning Attack for Jailbreaking Multimodal Large Language Models
par: Sima, Bingrui, et autres
Publié: (2025)
par: Sima, Bingrui, et autres
Publié: (2025)
Visual Instruction Tuning with Chain of Region-of-Interest
par: Chen, Yixin, et autres
Publié: (2025)
par: Chen, Yixin, et autres
Publié: (2025)
From EduVisBench to EduVisAgent: A Benchmark and Multi-Agent Framework for Reasoning-Driven Pedagogical Visualization
par: Ji, Haonian, et autres
Publié: (2025)
par: Ji, Haonian, et autres
Publié: (2025)
SurgVisAgent: Multimodal Agentic Model for Versatile Surgical Visual Enhancement
par: Lei, Zeyu, et autres
Publié: (2025)
par: Lei, Zeyu, et autres
Publié: (2025)
CompTrack: Information Bottleneck-Guided Low-Rank Dynamic Token Compression for Point Cloud Tracking
par: Zhou, Sifan, et autres
Publié: (2025)
par: Zhou, Sifan, et autres
Publié: (2025)
MergeIT: From Selection to Merging for Efficient Instruction Tuning
par: Cai, Hongyi, et autres
Publié: (2025)
par: Cai, Hongyi, et autres
Publié: (2025)
VisualToolAgent (VisTA): A Reinforcement Learning Framework for Visual Tool Selection
par: Huang, Zeyi, et autres
Publié: (2025)
par: Huang, Zeyi, et autres
Publié: (2025)
EAGLE: Elevating Geometric Reasoning through LLM-empowered Visual Instruction Tuning
par: Li, Zhihao, et autres
Publié: (2024)
par: Li, Zhihao, et autres
Publié: (2024)
Multimodal Continual Instruction Tuning with Dynamic Gradient Guidance
par: Li, Songze, et autres
Publié: (2025)
par: Li, Songze, et autres
Publié: (2025)
Multimodal Instruction Tuning with Conditional Mixture of LoRA
par: Shen, Ying, et autres
Publié: (2024)
par: Shen, Ying, et autres
Publié: (2024)
GeoSense: Internalizing Geometric Necessity Perception for Multimodal Reasoning
par: Liu, Ruiheng, et autres
Publié: (2026)
par: Liu, Ruiheng, et autres
Publié: (2026)
VisTa: Visual-contextual and Text-augmented Zero-shot Object-level OOD Detection
par: Zhang, Bin, et autres
Publié: (2025)
par: Zhang, Bin, et autres
Publié: (2025)
PMC-VQA: Visual Instruction Tuning for Medical Visual Question Answering
par: Zhang, Xiaoman, et autres
Publié: (2023)
par: Zhang, Xiaoman, et autres
Publié: (2023)
Boosting Visual Instruction Tuning with Self-Supervised Guidance
par: Sirko-Galouchenko, Sophia, et autres
Publié: (2026)
par: Sirko-Galouchenko, Sophia, et autres
Publié: (2026)
ChangeChat: An Interactive Model for Remote Sensing Change Analysis via Multimodal Instruction Tuning
par: Deng, Pei, et autres
Publié: (2024)
par: Deng, Pei, et autres
Publié: (2024)
UAV-VisLoc: A Large-scale Dataset for UAV Visual Localization
par: Xu, Wenjia, et autres
Publié: (2024)
par: Xu, Wenjia, et autres
Publié: (2024)
INST-IT: Boosting Instance Understanding via Explicit Visual Prompt Instruction Tuning
par: Peng, Wujian, et autres
Publié: (2024)
par: Peng, Wujian, et autres
Publié: (2024)
Advancing Multimodal Large Language Models in Chart Question Answering with Visualization-Referenced Instruction Tuning
par: Zeng, Xingchen, et autres
Publié: (2024)
par: Zeng, Xingchen, et autres
Publié: (2024)
EmoVIT: Revolutionizing Emotion Insights with Visual Instruction Tuning
par: Xie, Hongxia, et autres
Publié: (2024)
par: Xie, Hongxia, et autres
Publié: (2024)
Documents similaires
-
Once-For-All: A Train-Once and Select-Anytime Framework for Multimodal Instruction Tuning
par: Dong, Mingkang, et autres
Publié: (2026) -
MLLM-Selector: Necessity and Diversity-driven High-Value Data Selection for Enhanced Visual Instruction Tuning
par: Ma, Yiwei, et autres
Publié: (2025) -
Osprey: Pixel Understanding with Visual Instruction Tuning
par: Yuan, Yuqian, et autres
Publié: (2023) -
Pistachio: Towards Synthetic, Balanced, and Long-Form Video Anomaly Benchmarks
par: Li, Jie, et autres
Publié: (2025) -
What Makes for Good Visual Instructions? Synthesizing Complex Visual Reasoning Instructions for Visual Instruction Tuning
par: Du, Yifan, et autres
Publié: (2023)