Buchumschlag

Representation Forcing for Bottleneck-Free Unified Multimodal Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Yuqing, Lin, Zhijie, Yang, Ceyuan, Zhao, Yang, Xiao, Fei, He, Hao, Zhao, Qi, Ding, Zihan, Wang, Fuyun, Wang, Shuai, Zhang, Youliang, Fan, Haoqi, Liu, Xihui
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Continuous Adversarial Flow Models
von: Lin, Shanchuan, et al.
Veröffentlicht: (2026)

Adversarial Flow Models
von: Lin, Shanchuan, et al.
Veröffentlicht: (2025)

Context Unrolling in Omni Models
von: Yang, Ceyuan, et al.
Veröffentlicht: (2026)

SeedVR: Seeding Infinity in Diffusion Transformer Towards Generic Video Restoration
von: Wang, Jianyi, et al.
Veröffentlicht: (2025)

Cubic Discrete Diffusion: Discrete Visual Generation on High-Dimensional Representation Tokens
von: Wang, Yuqing, et al.
Veröffentlicht: (2026)

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

Loong: Generating Minute-level Long Videos with Autoregressive Language Models
von: Wang, Yuqing, et al.
Veröffentlicht: (2024)

Graph Bottlenecked Social Recommendation
von: Yang, Yonghui, et al.
Veröffentlicht: (2024)

UniMC: Taming Diffusion Transformer for Unified Keypoint-Guided Multi-Class Image Generation
von: Guo, Qin, et al.
Veröffentlicht: (2025)

Bottleneck Tokens for Unified Multimodal Retrieval
von: Sun, Siyu, et al.
Veröffentlicht: (2026)

Learning Optimal Multimodal Information Bottleneck Representations
von: Wu, Qilong, et al.
Veröffentlicht: (2025)

Gemini in Reasoning: Unveiling Commonsense in Multimodal Large Language Models
von: Wang, Yuqing, et al.
Veröffentlicht: (2023)

Multimodal Representation-disentangled Information Bottleneck for Multimodal Recommendation
von: Wang, Hui, et al.
Veröffentlicht: (2025)

GenArtist: Multimodal LLM as an Agent for Unified Image Generation and Editing
von: Wang, Zhenyu, et al.
Veröffentlicht: (2024)

LVD-2M: A Long-take Video Dataset with Temporally Dense Captions
von: Xiong, Tianwei, et al.
Veröffentlicht: (2024)

UniECS: Unified Multimodal E-Commerce Search Framework with Gated Cross-modal Fusion
von: Liang, Zihan, et al.
Veröffentlicht: (2025)

Understanding Multimodal Hallucination with Parameter-Free Representation Alignment
von: Wang, Yueqian, et al.
Veröffentlicht: (2024)

UniCom: Unified Multimodal Modeling via Compressed Continuous Semantic Representations
von: Zhao, Yaqi, et al.
Veröffentlicht: (2026)

FreeBind: Free Lunch in Unified Multimodal Space via Knowledge Fusion
von: Wang, Zehan, et al.
Veröffentlicht: (2024)

Scaling Laws For Diffusion Transformers
von: Liang, Zhengyang, et al.
Veröffentlicht: (2024)

VTok: A Unified Video Tokenizer with Decoupled Spatial-Temporal Latents
von: Wang, Feng, et al.
Veröffentlicht: (2026)

Difficult Task Yes but Simple Task No: Unveiling the Laziness in Multimodal LLMs
von: Zhao, Sihang, et al.
Veröffentlicht: (2024)

NeuroBind: Towards Unified Multimodal Representations for Neural Signals
von: Yang, Fengyu, et al.
Veröffentlicht: (2024)

Can't See the Forest for the Trees: Benchmarking Multimodal Safety Awareness for Multimodal LLMs
von: Wang, Wenxuan, et al.
Veröffentlicht: (2025)

Bridging Domain Generalization to Multimodal Domain Generalization via Unified Representations
von: Huang, Hai, et al.
Veröffentlicht: (2025)

From Static Analysis to Audience Dissemination: A Training-Free Multimodal Controversy Detection Multi-Agent Framework
von: Ding, Zihan, et al.
Veröffentlicht: (2026)

SHAPE: Unifying Safety, Helpfulness and Pedagogy for Educational LLMs
von: Zhao, Sihang, et al.
Veröffentlicht: (2026)

Cascade-Free Mandarin Visual Speech Recognition via Semantic-Guided Cross-Representation Alignment
von: Yang, Lei, et al.
Veröffentlicht: (2026)

Bridging Continuous and Discrete Tokens for Autoregressive Visual Generation
von: Wang, Yuqing, et al.
Veröffentlicht: (2025)

IBCapsNet: Information Bottleneck Capsule Network for Noise-Robust Representation Learning
von: Xiang, Canqun, et al.
Veröffentlicht: (2026)

Research on Edge Computing and Cloud Collaborative Resource Scheduling Optimization Based on Deep Reinforcement Learning
von: Wang, Yuqing, et al.
Veröffentlicht: (2025)

Research on Enhancing Cloud Computing Network Security using Artificial Intelligence Algorithms
von: Wang, Yuqing, et al.
Veröffentlicht: (2025)

Machine Learning-Based Cloud Computing Compliance Process Automation
von: Wang, Yuqing, et al.
Veröffentlicht: (2025)

Intelligent Resource Allocation Optimization for Cloud Computing via Machine Learning
von: Wang, Yuqing, et al.
Veröffentlicht: (2025)

Cloud Computing Energy Consumption Prediction Based on Kernel Extreme Learning Machine Algorithm Improved by Vector Weighted Average Algorithm
von: Wang, Yuqing, et al.
Veröffentlicht: (2025)

Design and implementation of a distributed security threat detection system integrating federated learning and multimodal LLM
von: Wang, Yuqing, et al.
Veröffentlicht: (2025)

Enhancing Multimodal Unified Representations for Cross Modal Generalization
von: Huang, Hai, et al.
Veröffentlicht: (2024)

End-to-End Training for Autoregressive Video Diffusion via Self-Resampling
von: Guo, Yuwei, et al.
Veröffentlicht: (2025)

BabelDOC: Better Layout-Preserving PDF Translation via Intermediate Representation
von: Yang, Qi, et al.
Veröffentlicht: (2026)

MACRO: Advancing Multi-Reference Image Generation with Structured Long-Context Data
von: Chen, Zhekai, et al.
Veröffentlicht: (2026)