Copertina

Falcon Perception

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Bevli, Aviraj, Chaybouti, Sofian, Dahou, Yasser, Hacid, Hakim, Huynh, Ngoc Dung, Khac, Phuc H. Le, Narayan, Sanath, Para, Wamiq Reyaz, Singh, Ankit
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Computer Vision and Pattern Recognition
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

SigLino: Efficient Multi-Teacher Distillation for Agglomerative Vision Foundation Models
di: Chaybouti, Sofian, et al.
Pubblicazione: (2025)

VisRes Bench: On Evaluating the Visual Reasoning Capabilities of VLMs
di: Törtei, Brigitta Malagurski, et al.
Pubblicazione: (2025)

Vision-Language Models Can't See the Obvious
di: Dahou, Yasser, et al.
Pubblicazione: (2025)

ViSpeR: Multilingual Audio-Visual Speech Recognition
di: Narayan, Sanath, et al.
Pubblicazione: (2024)

Harnessing Frozen Unimodal Encoders for Flexible Multimodal Alignment
di: Maniparambil, Mayug, et al.
Pubblicazione: (2024)

Falcon2-11B Technical Report
di: Malartic, Quentin, et al.
Pubblicazione: (2024)

AvatarMMC: 3D Head Avatar Generation and Editing with Multi-Modal Conditioning
di: Para, Wamiq Reyaz, et al.
Pubblicazione: (2024)

SimpsonsVQA: Enhancing Inquiry-Based Learning with a Tailored Dataset
di: Huynh, Ngoc Dung, et al.
Pubblicazione: (2024)

Visual question answering: from early developments to recent advances -- a survey
di: Huynh, Ngoc Dung, et al.
Pubblicazione: (2025)

REVEAL: Relation-based Video Representation Learning for Video-Question-Answering
di: Chaybouti, Sofian, et al.
Pubblicazione: (2025)

MaskInversion: Localized Embeddings via Optimization of Explainability Maps
di: Bousselham, Walid, et al.
Pubblicazione: (2024)

LeGrad: An Explainability Method for Vision Transformers via Feature Formation Sensitivity
di: Bousselham, Walid, et al.
Pubblicazione: (2024)

SVLA: A Unified Speech-Vision-Language Assistant with Multimodal Reasoning and Speech Generation
di: Huynh, Ngoc Dung, et al.
Pubblicazione: (2025)

Do Vision and Language Encoders Represent the World Similarly?
di: Maniparambil, Mayug, et al.
Pubblicazione: (2024)

MIX : a Multi-task Learning Approach to Solve Open-Domain Question Answering
di: Chaybouti, Sofian, et al.
Pubblicazione: (2020)

EfficientQA : a RoBERTa Based Phrase-Indexed Question-Answering System
di: Chaybouti, Sofian, et al.
Pubblicazione: (2021)

Efficient Object-centric Representation Learning with Pre-trained Geometric Prior
di: Khac, Phúc H. Le, et al.
Pubblicazione: (2024)

NeurIPS 2025 E2LM Competition : Early Training Evaluation of Language Models
di: Yagoubi, Mouadh, et al.
Pubblicazione: (2025)

Falcon-H1: A Family of Hybrid-Head Language Models Redefining Efficiency and Performance
di: Zuo, Jingwei, et al.
Pubblicazione: (2025)

Re-thinking Human Activity Recognition with Hierarchy-aware Label Relationship Modeling
di: Zuo, Jingwei, et al.
Pubblicazione: (2024)

Unifying Global and Local Scene Entities Modelling for Precise Action Spotting
di: Tran, Kim Hoang, et al.
Pubblicazione: (2024)

GenFlow: Interactive Modular System for Image Generation
di: Nguyen, Duc-Hung, et al.
Pubblicazione: (2025)

Boosting Medical Vision-Language Pretraining via Momentum Self-Distillation under Limited Computing Resources
di: Pham, Phuc, et al.
Pubblicazione: (2025)

Falcon Mamba: The First Competitive Attention-free 7B Language Model
di: Zuo, Jingwei, et al.
Pubblicazione: (2024)

Multi-modal Generation via Cross-Modal In-Context Learning
di: Kumar, Amandeep, et al.
Pubblicazione: (2024)

Transformer Runtime Lab
di: Khare, Aviraj
Pubblicazione: (2026)

Open-Vocabulary Temporal Action Localization using Multimodal Guidance
di: Gupta, Akshita, et al.
Pubblicazione: (2024)

Efficient 3D-Aware Facial Image Editing via Attribute-Specific Prompt Learning
di: Kumar, Amandeep, et al.
Pubblicazione: (2024)

PORT: Preference Optimization on Reasoning Traces
di: Lahlou, Salem, et al.
Pubblicazione: (2024)

Perception with Guarantees: Certified Pose Estimation via Reachability Analysis
di: Ladner, Tobias, et al.
Pubblicazione: (2026)

ThyroidEffi 1.0: A Cost-Effective System for High-Performance Multi-Class Thyroid Carcinoma Classification
di: Pham-Ngoc, Hai, et al.
Pubblicazione: (2025)

Virtual Fusion with Contrastive Learning for Single Sensor-based Activity Recognition
di: Nguyen, Duc-Anh, et al.
Pubblicazione: (2023)

WavLink: Compact Audio-Text Embeddings with a Global Whisper Token
di: Kumar, Gokul Karthik, et al.
Pubblicazione: (2026)

Transferable Multi-Bit Watermarking Across Frozen Diffusion Models via Latent Consistency Bridges
di: Nguyen-Le, Hong-Hanh, et al.
Pubblicazione: (2026)

Which Workloads Belong in Orbit? A Workload-First Framework for Orbital Data Centers Using Semantic Abstraction
di: Singh, Durgendra Narayan
Pubblicazione: (2026)

Phân tích xu hướng mở rộng bề mặt không thấm trong quá trình đô thị hoá tại phường Long An bằng ảnh Sentinel 2 giai đoạn 2016-2025
di: Nhân, Nguyễn Trọng, et al.
Pubblicazione: (2026)

A Survey on Vietnamese Document Analysis and Recognition: Challenges and Future Directions
di: Le, Anh, et al.
Pubblicazione: (2025)

Interactive Interface For Semantic Segmentation Dataset Synthesis
di: Tran, Ngoc-Do, et al.
Pubblicazione: (2025)

GMAT: Grounded Multi-Agent Clinical Description Generation for Text Encoder in Vision-Language MIL for Whole Slide Image Classification
di: Quang, Ngoc Bui Lam, et al.
Pubblicazione: (2025)

Passive Deepfake Detection Across Multi-modalities: A Comprehensive Survey
di: Nguyen-Le, Hong-Hanh, et al.
Pubblicazione: (2024)