Text as Image: Learning Transferable Adapter for Multi-Label Classification
专题命中 VLM训练与架构 :vision-language model(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。
专题命中 VLM训练与架构 :vision-language model(abstract);分类 cs.CV
专题命中 VLM训练与架构 :visual question answering(abstract);分类 cs.CV
专题命中 VLM训练与架构 :grounding(abstract);分类 cs.CV
专题命中 VLM训练与架构 :vision-language model(abstract);分类 cs.CV
专题命中 VLM训练与架构 :LLaVA(abstract);分类 cs.CV
Comments techical report; work in progress
专题命中 VLM训练与架构 :LLaVA(abstract);分类 cs.CV
Comments Project: https://ShareGPT4V.github.io
专题命中 VLM训练与架构 :vision-language model(abstract);分类 cs.CV
专题命中 VLM训练与架构 :LLaVA(abstract);分类 cs.CV
专题命中 VLM训练与架构 :MLLM(abstract);分类 cs.CV
Comments NeurIPS2023 camera ready ; 37 pages, 33 figures. Code available at https://github.com/OpenLAMM/LAMM ; Project page: https://openlamm.github.io/
专题命中 VLM训练与架构 :vision language model(abstract);分类 cs.CV
专题命中 VLM训练与架构 :visual question answering(abstract);分类 cs.CV
Comments Accepted to IEEE/CVF Winter Conference on Applications of Computer Vision (WACV) 2024
专题命中 VLM训练与架构 :vision-language model(abstract);分类 cs.CV
Comments In Proceedings of NeurIPS2023
专题命中 VLM训练与架构 :vision-language model(abstract);分类 cs.CV
Comments Project Website: https://minigpt-4.github.io/; Code, Pretrained Model, and Dataset: https://github.com/Vision-CAIR/MiniGPT-4; Deyao Zhu and Jun Chen contributed equally to this work
专题命中 VLM训练与架构 :VLM(abstract);分类 cs.CV
Comments Code is available at: https://github.com/jmiemirza/TAP
专题命中 VLM训练与架构 :visual question answering(abstract);分类 cs.CV
专题命中 VLM训练与架构 :vision-language model(abstract);分类 cs.CV
Comments Accepted by BMVC 2023
专题命中 VLM训练与架构 :vision-language model(abstract);分类 cs.CV
Journal ref Proceedings of the 31st ACM International Conference on Multimedia (MM '23), October 29-November 3, 2023
专题命中 VLM训练与架构 :grounding(abstract);分类 cs.CV
专题命中 VLM训练与架构 :vision-language model(abstract);分类 cs.CV
Comments The first two authors contributed equally to this work and are listed in alphabetical order
专题命中 VLM训练与架构 :MLLM(abstract);分类 cs.CV
专题命中 VLM训练与架构 :multimodal large language model(abstract);分类 cs.CV
Comments 15 pages, 8 figures
专题命中 VLM训练与架构 :visual question answering(abstract);分类 cs.CV
专题命中 VLM训练与架构 :vision-language model(abstract);分类 cs.CV
Comments Accepted by CVPR 2023
专题命中 VLM训练与架构 :vision-language model(abstract);分类 cs.CV
Comments CVPR 2023, https://github.com/google-research/google-research/tree/master/vila
专题命中 VLM训练与架构 :vision-language model(abstract);分类 cs.CV
专题命中 VLM训练与架构 :VLM(abstract);分类 cs.CV
Comments ACL 2023
专题命中 VLM训练与架构 :vision-language model(abstract);分类 cs.CV
专题命中 VLM训练与架构 :VLM(abstract);分类 cs.CV
Comments Accepted to SIGIR2023
专题命中 VLM训练与架构 :grounding(abstract);分类 cs.LG
Comments accepted by IEEE International Conference on Multimedia and Expo (2023)
专题命中 VLM训练与架构 :vision-language model(abstract);分类 cs.CV
Comments Website: https://jeya-maria-jose.github.io/cg3d-web/