Bridging Hidden States in Vision-Language Models
机构 * University of Southern California(南加州大学)
专题命中 视觉推理 :vision-language model(title,abstract);visual reasoning(abstract);分类 cs.CV
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 * University of Southern California(南加州大学)
专题命中 视觉推理 :vision-language model(title,abstract);visual reasoning(abstract);分类 cs.CV
机构 * Fudan University(复旦大学)
专题命中 视觉推理 :multimodal large language model(title,abstract);MLLM(abstract);分类 cs.CV
Comments 11 pages, 4 figures
机构 * PrismaX Team Shanghai Artificial Intelligence Laboratory(普斯玛X团队上海人工智能实验室)
专题命中 视觉推理 :MLLM(title);InternVL(abstract);multimodal large language model(abstract);分类 cs.AI
Comments 82 pages
专题命中 视觉推理 :multimodal large language model(title,abstract)
Comments 9 pages, 5 figures
机构 * National University of Singapore(新加坡国立大学) ; Tencent Youtu Lab(腾讯优图实验室) ; Tsinghua University(清华大学) ; University of Science and Technology of China(中国科学技术大学) ; Nanyang Technological University(南洋理工大学) ; Zhejiang University(浙江大学) ; DeepWisdom(深智科技)
专题命中 视觉推理 :vision-language model(abstract);grounding(abstract);分类 cs.CV、cs.AI
机构 * The Alan Turing Institute(艾伦·图灵研究所)
专题命中 视觉推理 :vision-language model(abstract);grounding(abstract);分类 cs.AI
机构 * National University of Singapore(新加坡国立大学) ; Nanyang Technological University(南洋理工大学) ; University of Maryland, College Park(马里兰大学学院公园分校) ; Zhejiang University(浙江大学)
专题命中 视觉推理 :VLM(abstract);分类 cs.CV
专题命中 视觉推理 :multimodal large language model(abstract);分类 cs.CV
专题命中 视觉推理 :multimodal large language model(abstract);分类 cs.CV
Comments 15 pages, 5 figures