Beyond Sequential Distance: Inter-Modal Distance Invariant Position Encoding
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Chen, Lin, Ni, Bolin, Yang, Qi, Wang, Zili, Ding, Kun, Wang, Ying, Peng, Houwen, Xiang, Shiming |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
R-4B: Incentivizing General-Purpose Auto-Thinking Capability in MLLMs via Bi-Mode Annealing and Reinforce Learning
par: Yang, Qi, et autres
Publié: (2025)
par: Yang, Qi, et autres
Publié: (2025)
Continuous Speculative Decoding for Autoregressive Image Generation
par: Wang, Zili, et autres
Publié: (2024)
par: Wang, Zili, et autres
Publié: (2024)
EvoVLMA: Evolutionary Vision-Language Model Adaptation
par: Ding, Kun, et autres
Publié: (2025)
par: Ding, Kun, et autres
Publié: (2025)
Taming Modality Entanglement in Continual Audio-Visual Segmentation
par: Hong, Yuyang, et autres
Publié: (2025)
par: Hong, Yuyang, et autres
Publié: (2025)
A Survey of Low-shot Vision-Language Model Adaptation via Representer Theorem
par: Ding, Kun, et autres
Publié: (2024)
par: Ding, Kun, et autres
Publié: (2024)
Beyond Next-Token Alignment: Distilling Multimodal Large Language Models via Token Interactions
par: Chen, Lin, et autres
Publié: (2026)
par: Chen, Lin, et autres
Publié: (2026)
SAM-MI: A Mask-Injected Framework for Enhancing Open-Vocabulary Semantic Segmentation with SAM
par: Chen, Lin, et autres
Publié: (2025)
par: Chen, Lin, et autres
Publié: (2025)
AVESFormer: Efficient Transformer Design for Real-Time Audio-Visual Segmentation
par: Wang, Zili, et autres
Publié: (2024)
par: Wang, Zili, et autres
Publié: (2024)
Compositional Kronecker Context Optimization for Vision-Language Models
par: Ding, Kun, et autres
Publié: (2024)
par: Ding, Kun, et autres
Publié: (2024)
Weak Distribution Detectors Lead to Stronger Generalizability of Vision-Language Prompt Tuning
par: Ding, Kun, et autres
Publié: (2024)
par: Ding, Kun, et autres
Publié: (2024)
Defying Imbalanced Forgetting in Class Incremental Learning
par: Xu, Shixiong, et autres
Publié: (2024)
par: Xu, Shixiong, et autres
Publié: (2024)
Unified Sequence-to-Sequence Learning for Single- and Multi-Modal Visual Object Tracking
par: Chen, Xin, et autres
Publié: (2023)
par: Chen, Xin, et autres
Publié: (2023)
Hyperbolic Chamfer Distance for Point Cloud Completion and Beyond
par: Lin, Fangzhou, et autres
Publié: (2024)
par: Lin, Fangzhou, et autres
Publié: (2024)
Beyond Perceptual Distances: Rethinking Disparity Assessment for Out-of-Distribution Detection with Diffusion Models
par: Fang, Kun, et autres
Publié: (2024)
par: Fang, Kun, et autres
Publié: (2024)
Enhancing Visual Continual Learning with Language-Guided Supervision
par: Ni, Bolin, et autres
Publié: (2024)
par: Ni, Bolin, et autres
Publié: (2024)
IF-Bench: Benchmarking and Enhancing MLLMs for Infrared Images with Generative Visual Prompting
par: Zhang, Tao, et autres
Publié: (2025)
par: Zhang, Tao, et autres
Publié: (2025)
Efficient Redundancy Reduction for Open-Vocabulary Semantic Segmentation
par: Chen, Lin, et autres
Publié: (2025)
par: Chen, Lin, et autres
Publié: (2025)
CC-VQA: Conflict- and Correlation-Aware Method for Mitigating Knowledge Conflict in Knowledge-Based Visual Question Answering
par: Hong, Yuyang, et autres
Publié: (2026)
par: Hong, Yuyang, et autres
Publié: (2026)
WikiSeeker: Rethinking the Role of Vision-Language Models in Knowledge-Based Visual Question Answering
par: Zhu, Yingjian, et autres
Publié: (2026)
par: Zhu, Yingjian, et autres
Publié: (2026)
DSFC-Net: A Dual-Encoder Spatial and Frequency Co-Awareness Network for Rural Road Extraction
par: Zhang, Zhengbo, et autres
Publié: (2026)
par: Zhang, Zhengbo, et autres
Publié: (2026)
SeaVIS: Sound-Enhanced Association for Online Audio-Visual Instance Segmentation
par: Zhu, Yingjian, et autres
Publié: (2026)
par: Zhu, Yingjian, et autres
Publié: (2026)
Calibrated Cache Model for Few-Shot Vision-Language Model Adaptation
par: Ding, Kun, et autres
Publié: (2024)
par: Ding, Kun, et autres
Publié: (2024)
Knowledge-based Visual Question Answer with Multimodal Processing, Retrieval and Filtering
par: Hong, Yuyang, et autres
Publié: (2025)
par: Hong, Yuyang, et autres
Publié: (2025)
Prompt Tuning with Soft Context Sharing for Vision-Language Models
par: Ding, Kun, et autres
Publié: (2022)
par: Ding, Kun, et autres
Publié: (2022)
MINIMA: Modality Invariant Image Matching
par: Ren, Jiangwei, et autres
Publié: (2024)
par: Ren, Jiangwei, et autres
Publié: (2024)
Unsigned Orthogonal Distance Fields: An Accurate Neural Implicit Representation for Diverse 3D Shapes
par: Lu, Yujie, et autres
Publié: (2024)
par: Lu, Yujie, et autres
Publié: (2024)
Diffusion-based Radiotherapy Dose Prediction Guided by Inter-slice Aware Structure Encoding
par: Feng, Zhenghao, et autres
Publié: (2023)
par: Feng, Zhenghao, et autres
Publié: (2023)
Re-ranking Reasoning Context with Tree Search Makes Large Vision-Language Models Stronger
par: Yang, Qi, et autres
Publié: (2025)
par: Yang, Qi, et autres
Publié: (2025)
Multi-view Normal and Distance Guidance Gaussian Splatting for Surface Reconstruction
par: Jia, Bo, et autres
Publié: (2025)
par: Jia, Bo, et autres
Publié: (2025)
Draw an Audio: Leveraging Multi-Instruction for Video-to-Audio Synthesis
par: Yang, Qi, et autres
Publié: (2024)
par: Yang, Qi, et autres
Publié: (2024)
UNIP: Rethinking Pre-trained Attention Patterns for Infrared Semantic Segmentation
par: Zhang, Tao, et autres
Publié: (2025)
par: Zhang, Tao, et autres
Publié: (2025)
GMM-Based Comprehensive Feature Extraction and Relative Distance Preservation For Few-Shot Cross-Modal Retrieval
par: Sun, Chengsong, et autres
Publié: (2025)
par: Sun, Chengsong, et autres
Publié: (2025)
Fréchet Video Motion Distance: A Metric for Evaluating Motion Consistency in Videos
par: Liu, Jiahe, et autres
Publié: (2024)
par: Liu, Jiahe, et autres
Publié: (2024)
Beyond Chamfer Distance: Granular Order-aware Evaluation Metric For Online Mapping
par: Lehocine, Chouaib Bencheikh, et autres
Publié: (2026)
par: Lehocine, Chouaib Bencheikh, et autres
Publié: (2026)
Robust Zero Level-Set Extraction from Unsigned Distance Fields Based on Double Covering
par: Hou, Fei, et autres
Publié: (2023)
par: Hou, Fei, et autres
Publié: (2023)
Elite360D: Towards Efficient 360 Depth Estimation via Semantic- and Distance-Aware Bi-Projection Fusion
par: Ai, Hao, et autres
Publié: (2024)
par: Ai, Hao, et autres
Publié: (2024)
Gradient Distance Function
par: Le, Hieu, et autres
Publié: (2024)
par: Le, Hieu, et autres
Publié: (2024)
Boosting Resolution Generalization of Diffusion Transformers with Randomized Positional Encodings
par: Hou, Liang, et autres
Publié: (2025)
par: Hou, Liang, et autres
Publié: (2025)
Details Enhancement in Unsigned Distance Field Learning for High-fidelity 3D Surface Reconstruction
par: Xu, Cheng, et autres
Publié: (2024)
par: Xu, Cheng, et autres
Publié: (2024)
Positional Encoding Field
par: Bai, Yunpeng, et autres
Publié: (2025)
par: Bai, Yunpeng, et autres
Publié: (2025)
Documents similaires
-
R-4B: Incentivizing General-Purpose Auto-Thinking Capability in MLLMs via Bi-Mode Annealing and Reinforce Learning
par: Yang, Qi, et autres
Publié: (2025) -
Continuous Speculative Decoding for Autoregressive Image Generation
par: Wang, Zili, et autres
Publié: (2024) -
EvoVLMA: Evolutionary Vision-Language Model Adaptation
par: Ding, Kun, et autres
Publié: (2025) -
Taming Modality Entanglement in Continual Audio-Visual Segmentation
par: Hong, Yuyang, et autres
Publié: (2025) -
A Survey of Low-shot Vision-Language Model Adaptation via Representer Theorem
par: Ding, Kun, et autres
Publié: (2024)