Learning Dynamics of VLM Finetuning
机构 * Sun Yat-sen University(中山大学) ; X-Era AI Lab(X-Era人工智能实验室)
专题命中 VLM训练与架构 :VLM(title,abstract);分类 cs.AI、cs.LG
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。
机构 * Sun Yat-sen University(中山大学) ; X-Era AI Lab(X-Era人工智能实验室)
专题命中 VLM训练与架构 :VLM(title,abstract);分类 cs.AI、cs.LG
机构 * Stanford University(斯坦福大学) ; Tsinghua University(清华大学)
专题命中 VLM训练与架构 :vision-language model(abstract);VLM(abstract);分类 cs.CV、cs.AI、cs.LG
Comments EMNLP 2025 Findings
机构 * University of Copenhagen(哥本哈根大学) ; University of Edinburgh(爱丁堡大学)
专题命中 VLM训练与架构 :vision language model(abstract);VLM(abstract);分类 cs.CV
Comments EMNLP 2025
机构 * AImageLab University of Modena and Reggio Emilia Italy(AImageLab 罗马那瓦尔大学)
专题命中 VLM训练与架构 :vision-language model(abstract);分类 cs.CV、cs.AI
Comments Accepted to the 36th British Machine Vision Conference (BMVC 2025), Sheffield, UK
机构 * University of Catania(卡塔尼亚大学)
专题命中 VLM训练与架构 :vision-language model(abstract);分类 cs.CV、cs.AI
Comments accepted to ACM Multimedia Asia 2025
机构 * Beijing Institute of Technology(北京理工大学) ; Shenzhen University(深圳大学)
专题命中 VLM训练与架构 :MLLM(abstract);分类 cs.CV
Comments Accepted by NeurIPS 2025. Code: https://github.com/QiWang98/VideoRFT
机构 * University of Massachusetts, Amherst(马萨诸塞大学阿默斯特分校)
专题命中 VLM训练与架构 :vision-language model(abstract);分类 cs.CV
Comments Code is released at https://github.com/cvl-umass/GTA-CLIP
机构 * University of California, Riverside(加州大学河滨分校)
专题命中 VLM训练与架构 :vision-language model(abstract);分类 cs.LG
Comments Accepted by EMNLP 2024 Findings
专题命中 其他VLM :multimodal large language model(abstract);MLLM(abstract);分类 cs.CV、cs.LG
Comments NeurIPS 2025; 27 pages, 6 figures
机构 * School of Electrical and Computer Engineering, The University of Sydney(电气与计算机工程学院,悉尼大学) ; School of Computer Science, The University of Adelaide(计算机科学学院,阿德莱德大学) ; School of Computing and Information Technology, University of Wollongong(计算与信息科技学院,沃伦冈大学)
专题命中 其他VLM :vision language model(abstract);分类 cs.CV
机构 * Department of Computer Science, Hong Kong Baptist University(香港 Baptist 大学计算机科学系) ; NVIDIA AI Technology Center, NVIDIA(NVIDIA 人工智能技术中心)
专题命中 其他VLM :vision-language model(abstract);分类 cs.CV
Comments Accepted at NeurIPS 2025