Buchumschlag

How to Utilize Complementary Vision-Text Information for 2D Structure Understanding

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Dong, Jiancheng, Jia, Pengyue, Xu, Derong, Cheng, Jiawei, Peng, Jingyu, Zhang, Chao, Liu, Bowen, Sun, Xin, Su, Lixin, Wang, Shuaiqiang, Yin, Dawei, Zhao, Xiangyu
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Behavior-Equivalent Token: Single-Token Replacement for Long Prompts in LLMs
von: Dong, Jiancheng, et al.
Veröffentlicht: (2025)

SkyLink: A Large Vision-Language Model Driven Re-ranking Framework for Cross-View UAV geolocalization
von: Liu, Bowen, et al.
Veröffentlicht: (2026)

MILL: Mutual Verification with Large Language Models for Zero-Shot Query Expansion
von: Jia, Pengyue, et al.
Veröffentlicht: (2023)

AdaSwitch: Balancing Exploration and Guidance in Knowledge Distillation via Adaptive Switching
von: Peng, Jingyu, et al.
Veröffentlicht: (2025)

G3: An Effective and Adaptive Framework for Worldwide Geolocalization Using Large Multi-Modality Models
von: Jia, Pengyue, et al.
Veröffentlicht: (2024)

CoRanking: Collaborative Ranking with Small and Large Ranking Agents
von: Liu, Wenhan, et al.
Veröffentlicht: (2025)

GeoArena: Evaluating Open-World Geographic Reasoning in Large Vision-Language Models
von: Jia, Pengyue, et al.
Veröffentlicht: (2025)

Cross-model Control: Improving Multiple Large Language Models in One-time Training
von: Wu, Jiayi, et al.
Veröffentlicht: (2024)

TP-RAG: Benchmarking Retrieval-Augmented Large Language Model Agents for Spatiotemporal-Aware Travel Planning
von: Ni, Hang, et al.
Veröffentlicht: (2025)

Learning How and What to Memorize: Cognition-Inspired Two-Stage Optimization for Evolving Memory
von: Xu, Derong, et al.
Veröffentlicht: (2026)

XL$^2$Bench: A Benchmark for Extremely Long Context Understanding with Long-range Dependencies
von: Ni, Xuanfan, et al.
Veröffentlicht: (2024)

GeoRouter: Dynamic Paradigm Routing for Worldwide Image Geolocalization
von: Jia, Pengyue, et al.
Veröffentlicht: (2026)

DBR: Divergence-Based Regularization for Debiasing Natural Language Understanding Models
von: Li, Zihao, et al.
Veröffentlicht: (2025)

RoSA: Enhancing Parameter-Efficient Fine-Tuning via RoPE-aware Selective Adaptation in Large Language Models
von: Pan, Dayan, et al.
Veröffentlicht: (2025)

Towards Verifiable Text Generation with Evolving Memory and Self-Reflection
von: Sun, Hao, et al.
Veröffentlicht: (2023)

Reasoning-to-Defend: Safety-Aware Reasoning Can Defend Large Language Models from Jailbreaking
von: Zhu, Junda, et al.
Veröffentlicht: (2025)

Text-Video Retrieval via Variational Multi-Modal Hypergraph Networks
von: Li, Qian, et al.
Veröffentlicht: (2024)

Leveraging Generative Models for Real-Time Query-Driven Text Summarization in Large-Scale Web Search
von: Xiong, Zeyu, et al.
Veröffentlicht: (2025)

Mitigating Hallucinations in Large Vision-Language Models via Entity-Centric Multimodal Preference Optimization
von: Wu, Jiulong, et al.
Veröffentlicht: (2025)

Thinking Forward and Backward: Multi-Objective Reinforcement Learning for Retrieval-Augmented Reasoning
von: Wei, Wenda, et al.
Veröffentlicht: (2025)

VideoRAG: Retrieval-Augmented Generation with Extreme Long-Context Videos
von: Ren, Xubin, et al.
Veröffentlicht: (2025)

From Single to Multi-Granularity: Toward Long-Term Memory Association and Selection of Conversational Agents
von: Xu, Derong, et al.
Veröffentlicht: (2025)

Powerful and Flexible: Personalized Text-to-Image Generation via Reinforcement Learning
von: Wei, Fanyue, et al.
Veröffentlicht: (2024)

FltLM: An Intergrated Long-Context Large Language Model for Effective Context Filtering and Understanding
von: Deng, Jingyang, et al.
Veröffentlicht: (2024)

Logic Jailbreak: Efficiently Unlocking LLM Safety Restrictions Through Formal Logical Expression
von: Peng, Jingyu, et al.
Veröffentlicht: (2025)

GeoRanker: Distance-Aware Ranking for Worldwide Image Geolocalization
von: Jia, Pengyue, et al.
Veröffentlicht: (2025)

Differentiable Room Acoustic Rendering with Multi-View Vision Priors
von: Jin, Derong, et al.
Veröffentlicht: (2025)

Bridging Relevance and Reasoning: Rationale Distillation in Retrieval-Augmented Generation
von: Jia, Pengyue, et al.
Veröffentlicht: (2024)

Align-GRAG: Anchor and Rationale Guided Dual Alignment for Graph Retrieval-Augmented Generation
von: Xu, Derong, et al.
Veröffentlicht: (2025)

TAPO: Task-Referenced Adaptation for Prompt Optimization
von: Luo, Wenxin, et al.
Veröffentlicht: (2025)

Information-Theoretic Complementary Prompts for Improved Continual Text Classification
von: Zhang, Duzhen, et al.
Veröffentlicht: (2025)

MatchTIR: Fine-Grained Supervision for Tool-Integrated Reasoning via Bipartite Matching
von: Qu, Changle, et al.
Veröffentlicht: (2026)

GRAF: Multi-turn Jailbreaking via Global Refinement and Active Fabrication
von: Tang, Hua, et al.
Veröffentlicht: (2025)

Renormalization Group Guided Tensor Network Structure Search
von: Wang, Maolin, et al.
Veröffentlicht: (2025)

GraphGPT: Graph Instruction Tuning for Large Language Models
von: Tang, Jiabin, et al.
Veröffentlicht: (2023)

Vision as a Dialect: Unifying Visual Understanding and Generation via Text-Aligned Representations
von: Han, Jiaming, et al.
Veröffentlicht: (2025)

MultiDx: A Multi-Source Knowledge Integration Framework towards Diagnostic Reasoning
von: Deng, Yimin, et al.
Veröffentlicht: (2026)

See What I Mean: Aligning Vision and Language Representations for Video Fine-grained Object Understanding
von: Sun, Boyuan, et al.
Veröffentlicht: (2026)

StructuralSleight: Automated Jailbreak Attacks on Large Language Models Utilizing Uncommon Text-Organization Structures
von: Li, Bangxin, et al.
Veröffentlicht: (2024)

Reasoning to Attend: Try to Understand How <SEG> Token Works
von: Qian, Rui, et al.
Veröffentlicht: (2024)