Point Cloud as a Foreign Language for Multi-modal Large Language Model
Fuente:
arXiv
Salvato in:
| Autori principali: | Paul, Sneha, Patterson, Zachary, Bouguila, Nizar |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2026
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
An Adapter-free Fine-tuning Approach for Tuning 3D Foundation Models
di: Paul, Sneha, et al.
Pubblicazione: (2026)
di: Paul, Sneha, et al.
Pubblicazione: (2026)
Improving 3D Semi-supervised Learning by Effectively Utilizing All Unlabelled Data
di: Paul, Sneha, et al.
Pubblicazione: (2024)
di: Paul, Sneha, et al.
Pubblicazione: (2024)
PatchSVD: A Non-uniform SVD-based Image Compression Algorithm
di: Golpayegani, Zahra, et al.
Pubblicazione: (2024)
di: Golpayegani, Zahra, et al.
Pubblicazione: (2024)
Clarifying Myths About the Relationship Between Shape Bias, Accuracy, and Robustness
di: Golpayegani, Zahra, et al.
Pubblicazione: (2024)
di: Golpayegani, Zahra, et al.
Pubblicazione: (2024)
LuKAN: A Kolmogorov-Arnold Network Framework for 3D Human Motion Prediction
di: Hasan, Md Zahidul, et al.
Pubblicazione: (2025)
di: Hasan, Md Zahidul, et al.
Pubblicazione: (2025)
SegPoint: Segment Any Point Cloud via Large Language Model
di: He, Shuting, et al.
Pubblicazione: (2024)
di: He, Shuting, et al.
Pubblicazione: (2024)
Empowering Segmentation Ability to Multi-modal Large Language Models
di: Yang, Yuqi, et al.
Pubblicazione: (2024)
di: Yang, Yuqi, et al.
Pubblicazione: (2024)
Multi-modal Multi-task Pre-training for Improved Point Cloud Understanding
di: Liu, Liwen, et al.
Pubblicazione: (2025)
di: Liu, Liwen, et al.
Pubblicazione: (2025)
Vision-aligned Latent Reasoning for Multi-modal Large Language Model
di: Jeon, Byungwoo, et al.
Pubblicazione: (2026)
di: Jeon, Byungwoo, et al.
Pubblicazione: (2026)
LLMRA: Multi-modal Large Language Model based Restoration Assistant
di: Jin, Xiaoyu, et al.
Pubblicazione: (2024)
di: Jin, Xiaoyu, et al.
Pubblicazione: (2024)
FOLDER: Accelerating Multi-modal Large Language Models with Enhanced Performance
di: Wang, Haicheng, et al.
Pubblicazione: (2025)
di: Wang, Haicheng, et al.
Pubblicazione: (2025)
Understanding Information Storage and Transfer in Multi-modal Large Language Models
di: Basu, Samyadeep, et al.
Pubblicazione: (2024)
di: Basu, Samyadeep, et al.
Pubblicazione: (2024)
Distilling Multi-modal Large Language Models for Autonomous Driving
di: Hegde, Deepti, et al.
Pubblicazione: (2025)
di: Hegde, Deepti, et al.
Pubblicazione: (2025)
PointLLM: Empowering Large Language Models to Understand Point Clouds
di: Xu, Runsen, et al.
Pubblicazione: (2023)
di: Xu, Runsen, et al.
Pubblicazione: (2023)
Emergent Morphing Attack Detection in Open Multi-modal Large Language Models
di: Ivanovska, Marija, et al.
Pubblicazione: (2026)
di: Ivanovska, Marija, et al.
Pubblicazione: (2026)
Efficient Multi-modal Large Language Models via Progressive Consistency Distillation
di: Wen, Zichen, et al.
Pubblicazione: (2025)
di: Wen, Zichen, et al.
Pubblicazione: (2025)
Efficient Multi-modal Large Language Models via Visual Token Grouping
di: Huang, Minbin, et al.
Pubblicazione: (2024)
di: Huang, Minbin, et al.
Pubblicazione: (2024)
Universal Video Temporal Grounding with Generative Multi-modal Large Language Models
di: Li, Zeqian, et al.
Pubblicazione: (2025)
di: Li, Zeqian, et al.
Pubblicazione: (2025)
From Points to Clouds: Learning Robust Semantic Distributions for Multi-modal Prompts
di: Li, Weiran, et al.
Pubblicazione: (2025)
di: Li, Weiran, et al.
Pubblicazione: (2025)
Unified Generative and Discriminative Training for Multi-modal Large Language Models
di: Chow, Wei, et al.
Pubblicazione: (2024)
di: Chow, Wei, et al.
Pubblicazione: (2024)
DualFocus: Integrating Macro and Micro Perspectives in Multi-modal Large Language Models
di: Cao, Yuhang, et al.
Pubblicazione: (2024)
di: Cao, Yuhang, et al.
Pubblicazione: (2024)
From CLIP to DINO: Visual Encoders Shout in Multi-modal Large Language Models
di: Jiang, Dongsheng, et al.
Pubblicazione: (2023)
di: Jiang, Dongsheng, et al.
Pubblicazione: (2023)
HyperET: Efficient Training in Hyperbolic Space for Multi-modal Large Language Models
di: Peng, Zelin, et al.
Pubblicazione: (2025)
di: Peng, Zelin, et al.
Pubblicazione: (2025)
InstructSeg: Unifying Instructed Visual Segmentation with Multi-modal Large Language Models
di: Wei, Cong, et al.
Pubblicazione: (2024)
di: Wei, Cong, et al.
Pubblicazione: (2024)
Multi-modal Attribute Prompting for Vision-Language Models
di: Liu, Xin, et al.
Pubblicazione: (2024)
di: Liu, Xin, et al.
Pubblicazione: (2024)
Expanding the Boundaries of Vision Prior Knowledge in Multi-modal Large Language Models
di: Liang, Qiao, et al.
Pubblicazione: (2025)
di: Liang, Qiao, et al.
Pubblicazione: (2025)
Improving Multi-modal Large Language Model through Boosting Vision Capabilities
di: Sun, Yanpeng, et al.
Pubblicazione: (2024)
di: Sun, Yanpeng, et al.
Pubblicazione: (2024)
KVSmooth: Mitigating Hallucination in Multi-modal Large Language Models through Key-Value Smoothing
di: Jiang, Siyu, et al.
Pubblicazione: (2026)
di: Jiang, Siyu, et al.
Pubblicazione: (2026)
VisuLogic: A Benchmark for Evaluating Visual Reasoning in Multi-modal Large Language Models
di: Xu, Weiye, et al.
Pubblicazione: (2025)
di: Xu, Weiye, et al.
Pubblicazione: (2025)
Adapting Multi-modal Large Language Model to Concept Drift From Pre-training Onwards
di: Yang, Xiaoyu, et al.
Pubblicazione: (2024)
di: Yang, Xiaoyu, et al.
Pubblicazione: (2024)
CoF: Coarse to Fine-Grained Image Understanding for Multi-modal Large Language Models
di: Wang, Yeyuan, et al.
Pubblicazione: (2024)
di: Wang, Yeyuan, et al.
Pubblicazione: (2024)
EarthMarker: A Visual Prompting Multi-modal Large Language Model for Remote Sensing
di: Zhang, Wei, et al.
Pubblicazione: (2024)
di: Zhang, Wei, et al.
Pubblicazione: (2024)
LLMTrack: Semantic Multi-Object Tracking with Multi-modal Large Language Models
di: Liao, Pan, et al.
Pubblicazione: (2026)
di: Liao, Pan, et al.
Pubblicazione: (2026)
Robust-LLaVA: On the Effectiveness of Large-Scale Robust Image Encoders for Multi-modal Large Language Models
di: Malik, Hashmat Shadab, et al.
Pubblicazione: (2025)
di: Malik, Hashmat Shadab, et al.
Pubblicazione: (2025)
Investigating Vision-Language Model for Point Cloud-based Vehicle Classification
di: Li, Yiqiao, et al.
Pubblicazione: (2025)
di: Li, Yiqiao, et al.
Pubblicazione: (2025)
From Correspondence to Actions: Human-Like Multi-Image Spatial Reasoning in Multi-modal Large Language Models
di: Oi, Masanari, et al.
Pubblicazione: (2026)
di: Oi, Masanari, et al.
Pubblicazione: (2026)
Explaining Multi-modal Large Language Models by Analyzing their Vision Perception
di: Giulivi, Loris, et al.
Pubblicazione: (2024)
di: Giulivi, Loris, et al.
Pubblicazione: (2024)
Liquid: Language Models are Scalable and Unified Multi-modal Generators
di: Wu, Junfeng, et al.
Pubblicazione: (2024)
di: Wu, Junfeng, et al.
Pubblicazione: (2024)
PointACT: Vision-Language-Action Models with Multi-Scale Point-Action Interaction
di: Chen, Shizhe, et al.
Pubblicazione: (2026)
di: Chen, Shizhe, et al.
Pubblicazione: (2026)
Behind the Magic, MERLIM: Multi-modal Evaluation Benchmark for Large Image-Language Models
di: Villa, Andrés, et al.
Pubblicazione: (2023)
di: Villa, Andrés, et al.
Pubblicazione: (2023)
Documenti analoghi
-
An Adapter-free Fine-tuning Approach for Tuning 3D Foundation Models
di: Paul, Sneha, et al.
Pubblicazione: (2026) -
Improving 3D Semi-supervised Learning by Effectively Utilizing All Unlabelled Data
di: Paul, Sneha, et al.
Pubblicazione: (2024) -
PatchSVD: A Non-uniform SVD-based Image Compression Algorithm
di: Golpayegani, Zahra, et al.
Pubblicazione: (2024) -
Clarifying Myths About the Relationship Between Shape Bias, Accuracy, and Robustness
di: Golpayegani, Zahra, et al.
Pubblicazione: (2024) -
LuKAN: A Kolmogorov-Arnold Network Framework for 3D Human Motion Prediction
di: Hasan, Md Zahidul, et al.
Pubblicazione: (2025)