:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Miao, Yu, Yang, Zequn, Wei, Yake, Chen, Ziheng, Ni, Haotian, Duan, Haodong, Chen, Kai, Hu, Di
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	https://arxiv.org/abs/2603.13427
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

RollingQ: Reviving the Cooperation Dynamics in Multimodal Transformer
von: Ni, Haotian, et al.
Veröffentlicht: (2025)

MMPareto: Boosting Multimodal Learning with Innocent Unimodal Assistance
von: Wei, Yake, et al.
Veröffentlicht: (2024)

Diagnosing and Re-learning for Balanced Multimodal Learning
von: Wei, Yake, et al.
Veröffentlicht: (2024)

On-the-fly Modulation for Balanced Multimodal Learning
von: Wei, Yake, et al.
Veröffentlicht: (2024)

Quantifying and Enhancing Multi-modal Robustness with Modality Preference
von: Yang, Zequn, et al.
Veröffentlicht: (2024)

VITAL: Vision-Encoder-centered Pre-training for LMMs in Visual Quality Assessment
von: Jia, Ziheng, et al.
Veröffentlicht: (2025)

A-Bench: Are LMMs Masters at Evaluating AI-generated Images?
von: Zhang, Zicheng, et al.
Veröffentlicht: (2024)

MokA: Multimodal Low-Rank Adaptation for MLLMs
von: Wei, Yake, et al.
Veröffentlicht: (2025)

Enhancing multimodal cooperation via sample-level modality valuation
von: Wei, Yake, et al.
Veröffentlicht: (2023)

UniToken: Harmonizing Multimodal Understanding and Generation through Unified Visual Encoding
von: Jiao, Yang, et al.
Veröffentlicht: (2025)

Don't Deceive Me: Mitigating Gaslighting through Attention Reallocation in LMMs
von: Jiao, Pengkun, et al.
Veröffentlicht: (2025)

MOAT: Evaluating LMMs for Capability Integration and Instruction Grounding
von: Ye, Zhoutong, et al.
Veröffentlicht: (2025)

OBI-Bench: Can LMMs Aid in Study of Ancient Script on Oracle Bones?
von: Chen, Zijian, et al.
Veröffentlicht: (2024)

Enhancing Image Quality Assessment Ability of LMMs via Retrieval-Augmented Generation
von: Fu, Kang, et al.
Veröffentlicht: (2026)

MIBench: Evaluating Multimodal Large Language Models over Multiple Images
von: Liu, Haowei, et al.
Veröffentlicht: (2024)

OmniEval: A Benchmark for Evaluating Omni-modal Models with Visual, Auditory, and Textual Inputs
von: Zhang, Yiman, et al.
Veröffentlicht: (2025)

Action Without Interaction: Probing the Physical Foundations of Video LMMs via Contact-Release Detection
von: Harari, Daniel, et al.
Veröffentlicht: (2025)

GaussianProperty: Integrating Physical Properties to 3D Gaussians with LMMs
von: Xu, Xinli, et al.
Veröffentlicht: (2024)

Adaptive Unimodal Regulation for Balanced Multimodal Information Acquisition
von: Huang, Chengxiang, et al.
Veröffentlicht: (2025)

VisioMath: Benchmarking Figure-based Mathematical Reasoning in LMMs
von: Li, Can, et al.
Veröffentlicht: (2025)

Fewer Tokens and Fewer Videos: Extending Video Understanding Abilities in Large Vision-Language Models
von: Chen, Shimin, et al.
Veröffentlicht: (2024)

Exploring the Potential of Encoder-free Architectures in 3D LMMs
von: Tang, Yiwen, et al.
Veröffentlicht: (2025)

PuzzleBench: A Fully Dynamic Evaluation Framework for Large Multimodal Models on Puzzle Solving
von: Zhang, Zeyu, et al.
Veröffentlicht: (2025)

UniHOI: Unified Human-Object Interaction Understanding via Unified Token Space
von: Yang, Panqi, et al.
Veröffentlicht: (2025)

UniCorn: Towards Self-Improving Unified Multimodal Models through Self-Generated Supervision
von: Han, Ruiyan, et al.
Veröffentlicht: (2026)

Glance-or-Gaze: Incentivizing LMMs to Adaptively Focus Search via Reinforcement Learning
von: Bai, Hongbo, et al.
Veröffentlicht: (2026)

Beyond Generation: Unlocking Universal Editing via Self-Supervised Fine-Tuning
von: Chen, Harold Haodong, et al.
Veröffentlicht: (2024)

TimeMarker: A Versatile Video-LLM for Long and Short Video Understanding with Superior Temporal Localization Ability
von: Chen, Shimin, et al.
Veröffentlicht: (2024)

MRAG-Bench: Vision-Centric Evaluation for Retrieval-Augmented Multimodal Models
von: Hu, Wenbo, et al.
Veröffentlicht: (2024)

MoE-Enhanced Multi-Domain Feature Selection and Fusion for Fast Map-Free Trajectory Prediction
von: Xiong, Wenyi, et al.
Veröffentlicht: (2025)

InternLM-XComposer2.5-OmniLive: A Comprehensive Multimodal System for Long-term Streaming Video and Audio Interactions
von: Zhang, Pan, et al.
Veröffentlicht: (2024)

ScalSelect: Scalable Training-Free Multimodal Data Selection for Efficient Visual Instruction Tuning
von: Wu, Changti, et al.
Veröffentlicht: (2026)

Diffusion-Based Adversarial Sample Generation for Improved Stealthiness and Controllability
von: Xue, Haotian, et al.
Veröffentlicht: (2023)

Steering Visual Generation in Unified Multimodal Models with Understanding Supervision
von: Liu, Zeyu, et al.
Veröffentlicht: (2026)

Free Lunch for Unified Multimodal Models: Enhancing Generation via Reflective Rectification with Inherent Understanding
von: Jiang, Yibo, et al.
Veröffentlicht: (2026)

MME-Survey: A Comprehensive Survey on Evaluation of Multimodal LLMs
von: Fu, Chaoyou, et al.
Veröffentlicht: (2024)

SciVerse: Unveiling the Knowledge Comprehension and Visual Reasoning of LMMs on Multi-modal Scientific Problems
von: Guo, Ziyu, et al.
Veröffentlicht: (2025)

Swin-TUNA : A Novel PEFT Approach for Accurate Food Image Segmentation
von: Chen, Haotian, et al.
Veröffentlicht: (2025)

Pixel is a Barrier: Diffusion Models Are More Adversarially Robust Than We Think
von: Xue, Haotian, et al.
Veröffentlicht: (2024)

Hierarchical Brain Structure Modeling for Predicting Genotype of Glioma
von: Tang, Haotian, et al.
Veröffentlicht: (2025)