When Language Overrules: Revealing Text Dominance in Multimodal Large Language Models
专题命中 VLM训练与架构 :multimodal large language model(title,abstract);LLaVA(abstract);分类 cs.AI
AI 大模型
视觉语言模型、视觉推理、视觉问答、图文理解和视觉 grounding。
专题命中 VLM训练与架构 :multimodal large language model(title,abstract);LLaVA(abstract);分类 cs.AI
机构 * College of Computer Science & Technology, Zhejiang University(浙江大学计算机科学与技术学院) ; Transvascular Implantation Devices Research Institute and Liangzhu Laboratory(血管植入物研究机构和良渚实验室) ; Ant Group(蚂蚁集团) ; University of Notre Dame(圣母大学) ; HKUST (Guangzhou)(香港科技大学(广州))
专题命中 VLM训练与架构 :MLLM(title);LLaVA(abstract);multimodal large language model(abstract);分类 cs.CV
Comments Accepted by ICCV 2025
机构 * South China Normal University(华南师范大学) ; Shenzhen Polytechnic University(深圳职业技术大学)
专题命中 VLM训练与架构 :vision-language model(title,abstract);分类 cs.CV
Comments Accepted by ICCV2025
专题命中 VLM训练与架构 :multimodal large language model(title,abstract)
Comments 15 pages, 9 figures
机构 * Basic Algorithm Center, PCG, Tencent(腾讯基础算法中心、PCG、腾讯)
专题命中 VLM训练与架构 :multimodal large language model(abstract);MLLM(abstract);分类 cs.CV
专题命中 VLM训练与架构 :vision-language model(abstract);VLM(abstract);分类 cs.CV
专题命中 VLM训练与架构 :multimodal large language model(abstract);MLLM(abstract)
机构 * University of Freiburg(弗赖堡大学) ; deepset
专题命中 VLM训练与架构 :vision-language model(abstract);分类 cs.CV
Comments accepted at GCPR 2025
机构 * Zhejiang University(浙江大学) ; Nanyang Technological University(南洋理工大学) ; Ant Group(蚂蚁集团)
专题命中 VLM训练与架构 :MLLM(abstract);分类 cs.CV
Comments ICCV 2025 Highlight