Token-Level Inference-Time Alignment for Vision-Language Models
机构 * Zhejiang University(浙江大学) ; Sun Yat-sen University(中山大学)
专题命中 VLM训练与架构 :vision-language model(title,abstract);VLM(abstract);LLaVA(abstract);分类 cs.CV、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。
机构 * Zhejiang University(浙江大学) ; Sun Yat-sen University(中山大学)
专题命中 VLM训练与架构 :vision-language model(title,abstract);VLM(abstract);LLaVA(abstract);分类 cs.CV、cs.AI
机构 * Propheus
专题命中 VLM训练与架构 :VLM(title,abstract);vision-language model(abstract);分类 cs.CV、cs.AI
Comments An abridged version of this paper will be presented at and appear in the Proceedings of ACM IKDD CODS 2025
机构 * Institute of Science Tokyo(东京科学研究所) ; National Institute of Informatics(日本信息处理学会)
专题命中 VLM训练与架构 :vision-language model(title,abstract);VLM(abstract);分类 cs.CV、cs.AI
机构 * Department of Computer Science(计算机科学系) ; Department of Psychology(心理学系) ; Department of Linguistics(语言学系) ; Stanford University(斯坦福大学)
专题命中 VLM训练与架构 :vision-language model(title,abstract);VLM(abstract);分类 cs.CV、cs.AI
机构 * The Harker School(哈克尔学校) ; University of California, Merced(加州大学默塞德分校)
专题命中 VLM训练与架构 :vision-language model(title,abstract);VLM(abstract);分类 cs.CV
机构 * Wangxuan Institute of Computer Technology, Peking University(计算机技术研究院,北京大学)
专题命中 VLM训练与架构 :vision-language model(title,abstract);VLM(abstract);分类 cs.CV
Comments Accepted by NeurIPS 2025 as a spotlight
机构 * Dept. of IEOR, IIT Bombay(工业工程与运营研究系,印度理工学院班加罗尔)
专题命中 VLM训练与架构 :vision-language model(title,abstract);分类 cs.AI、cs.LG
Comments Accepted for presentation at the main Conference IJCNLP-AACL 2025
机构 * University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
专题命中 VLM训练与架构 :vision-language model(title,abstract);分类 cs.CV、cs.LG
Comments Accepted by NeurIPS 2025
机构 * State Key Laboratory of Novel Software Technology, Nanjing University(新型软件技术国家重点实验室) ; Microsoft AI(微软人工智能)
专题命中 VLM训练与架构 :vision-language model(title);分类 cs.CV、cs.AI
机构 * Department of Electrical Engineering, Amirkabir University of Technology (Tehran Polytechnic)(电气工程系,阿米尔卡比尔技术大学(德黑兰理工大学))
专题命中 VLM训练与架构 :vision-language model(abstract);VLM(abstract);分类 cs.CV、cs.AI、cs.LG
机构 * Meta Reality Labs(Meta 现实实验室) ; Meta FAIR
专题命中 VLM训练与架构 :vision-language model(abstract);VLM(abstract);分类 cs.CV、cs.LG
Comments Accepted as a spotlight paper at the 39th Conference on Neural Information Processing Systems (NeurIPS 2025)
机构 * University of Amsterdam(阿姆斯特丹大学)
专题命中 VLM训练与架构 :vision-language model(abstract);VLM(abstract);分类 cs.CV
机构 * Bosch AI Center(博世人工智能中心) ; Ben-Gurion University of the Negev(巴伊兰大学) ; Technical University of Munich(慕尼黑技术大学)
专题命中 VLM训练与架构 :grounding(abstract);分类 cs.CV、cs.AI、cs.LG
Comments Accepted as a poster at NeurIPS 2025
专题命中 VLM训练与架构 :VLM(abstract);分类 cs.CV、cs.AI、cs.LG
Comments 24 pages, 10 figures, 11 tables. Code can be found at: https://github.com/SinghNayanKumar/multimodal-product-lister/
机构 * School of Computer Science and Technology, East China Normal University, China(东华大学计算机科学与技术学院) ; College of Computer Science and Technology, Ocean University of China, China(中国海洋大学计算机科学与技术学院)
专题命中 VLM训练与架构 :vision-language model(abstract);分类 cs.CV、cs.AI
Comments 5 pages
机构 * School of Computer Science and Technology, East China Normal University, China(上海师范大学计算机科学与技术学院) ; School of Information Science and Technology, University of Science and Technology of China(中国科学技术大学信息科学与技术学院)
专题命中 VLM训练与架构 :vision-language model(abstract);分类 cs.CV、cs.AI
Comments 5 pages
机构 * UC Berkeley(伯克利大学)
专题命中 VLM训练与架构 :vision-language model(abstract);分类 cs.CV、cs.AI
Comments Project page and code: https://avdravid.github.io/test-time-registers. Accepted to NeurIPS '25 (spotlight)
机构 * Beijing Normal University(北京师范大学) ; University of Chinese Academy of Sciences(中国科学院大学) ; University of Manchester(曼彻斯特大学) ; The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳)) ; Tsinghua University(清华大学)
专题命中 VLM训练与架构 :vision-language model(abstract);分类 cs.CV
Comments Updated author formatting; no substantive changes
机构 * Monash University(莫纳什大学) ; The Chinese University of Hong Kong(香港中文大学) ; National University of Singapore(新加坡国立大学) ; South China University of Technology(华南理工大学)
专题命中 VLM训练与架构 :VLM(abstract);分类 cs.CV
Comments Accepted by NeurIPS 2025; Project Page: https://lulupig12138.github.io/SceneDecorator
机构 * Tencent(腾讯) ; Fudan University(复旦大学)
专题命中 VLM训练与架构 :multimodal large language model(abstract);分类 cs.AI
Comments Under Review
机构 * Shanghai AI Laboratory(上海人工智能实验室) ; University of Southern California(南加州大学) ; Emory University(埃默里大学) ; Chinese University of Hong Kong(香港中文大学)
专题命中 VLM训练与架构 :MLLM(abstract);分类 cs.CV
Comments Neurips 2025 Spotlight
机构 * University of Nottingham(诺丁汉大学) ; University of St Andrews(圣安德鲁大学) ; City University of Hong Kong(香港城市大学) ; Nanyang Technology University(南洋理工大学) ; Harbin Institute of Technology(哈尔滨工业大学)
专题命中 VLM训练与架构 :vision-language model(abstract);分类 cs.CV
Comments Accepted by CVPR2025
机构 * Nanjing University(南京大学) ; Tencent Youtu Lab(腾讯云图实验室) ; CASIA(中国科学院自动化研究所) ; Fourier Intelligence Inc.(傅里叶智能公司)
专题命中 VLM训练与架构 :VLM(abstract);分类 cs.LG
Comments Homepage: https://lxysl.github.io/VITA-E/
专题命中 VLM训练与架构 :vision-language model(abstract);分类 cs.CV