A Divide-Align-Conquer Strategy for Program Synthesis
机构 * University of Bamberg(班贝格大学) ; TU Delft(代尔夫特理工大学) ; KU Leuven(鲁汶大学)
专题命中 视觉推理 :visual reasoning(abstract);分类 cs.AI
Comments 11 pages, 9 figures
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 Bamberg(班贝格大学) ; TU Delft(代尔夫特理工大学) ; KU Leuven(鲁汶大学)
专题命中 视觉推理 :visual reasoning(abstract);分类 cs.AI
Comments 11 pages, 9 figures
机构 * Institute of Information Engineering, Chinese Academy of Sciences(中国科学院信息工程研究所) ; University of Chinese Academy of Sciences(中国科学院大学) ; Microsoft(微软公司) ; Minzu University of China(中央民族大学) ; University of Adelaide(阿德莱德大学)
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 :vision-language model(abstract);分类 cs.LG
Comments Accepted at the AAAI'25 Workshop on AI to Accelerate Science and Engineering (AI2ASE)
机构 * EDP University of Puerto Rico(波多黎各EDP大学)
专题命中 视觉推理 :vision-language model(abstract);分类 cs.CV
机构 * University of Pittsburgh(匹兹堡大学) ; BITS Pilani(pilani工学院)
专题命中 视觉推理 :vision language model(abstract);分类 cs.CV
机构 * Illinois Institute of Technology(伊利诺伊理工学院) ; Emory University(埃默里大学)
专题命中 视觉推理 :multimodal large language model(abstract);分类 cs.AI
Comments COLING 2025
机构 * Stuttgart University(斯图加特大学)
专题命中 视觉推理 :grounding(abstract);分类 cs.AI
机构 * Beijing Institute of Technology(北京理工大学) ; Yangtze Delta Region Academy of Beijing Institute of Technology(北京理工大学长三角研究院)
专题命中 视觉推理 :grounding(abstract);分类 cs.CV
机构 * VinAI Research(VinAI研究院) ; University of Maryland(马里兰大学) ; Vanderbilt University(范德堡大学)
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 :vision language model(abstract);分类 cs.AI
Comments 15 pages
专题命中 视觉推理 :visual question answering(abstract);分类 cs.AI
Comments 89 pages, 70 figures
专题命中 视觉推理 :visual reasoning(abstract);分类 cs.AI
Comments Accepted to NeurIPS 2024; Project page is available at https://slotssms.github.io/ ; Code is available at https://github.com/JindongJiang/SlotSSMs
专题命中 视觉推理 :grounding(abstract);分类 cs.CV
Comments 14 pages, 8 figures, 7 tables
专题命中 视觉推理 :visual reasoning(abstract);分类 cs.AI
Comments Presented at IJCAI 2024 LNSAI Workshop
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
专题命中 视觉推理 :vision-language model(abstract);分类 cs.CV
Comments NeurIPS 2024 Camera Ready
专题命中 视觉推理 :visual reasoning(abstract);分类 cs.CV
Comments Accepted to NeurIPS 2024. Project and codes url: https://visualsketchpad.github.io/
专题命中 视觉推理 :multimodal large language model(abstract);分类 cs.AI
Comments Accepted at NeurIPS 2024. 49 pages, 13 figures, Project: https://github.com/ZebangCheng/Emotion-LLaMA, Demo: https://huggingface.co/spaces/ZebangCheng/Emotion-LLaMA
专题命中 视觉推理 :grounding(abstract);分类 cs.AI
Comments Alphabetical author order
专题命中 视觉推理 :vision-language model(abstract);分类 cs.CV
Comments Accepted in NeurIPS 2024 Datasets and Benchmarks Track
专题命中 视觉推理 :visual reasoning(abstract);分类 cs.AI
专题命中 视觉推理 :vision-language model(abstract);分类 cs.CV
Comments Webpage (https://google.github.io/imageinwords), GitHub (https://github.com/google/imageinwords), HuggingFace (https://huggingface.co/datasets/google/imageinwords)
专题命中 视觉推理 :vision-language model(abstract);分类 cs.CV
Comments 13 pages,6 figures
专题命中 视觉推理 :vision-language model(abstract);分类 cs.CV
Comments NeurIPS 2024. Code: https://github.com/guikunchen/SDSGG
专题命中 视觉推理 :vision language model(abstract);分类 cs.CV
Comments Project Page: https://drrobot.cs.columbia.edu/
专题命中 视觉推理 :vision-language model(abstract);分类 cs.CV
Comments 18 pages, 7 figures
专题命中 视觉推理 :vision language model(abstract);分类 cs.AI
Comments Accepted for oral presentation at 8th Annual Conference on Robot Learning. Project website: https://ut-austin-rpl.github.io/Harmon/
专题命中 视觉推理 :visual reasoning(abstract);分类 cs.CV
Comments 12 pages, 5 figures, project page: https://github.com/xfey/MCTBench?tab=readme-ov-file
专题命中 视觉推理 :grounding(abstract);分类 cs.CV