Progressive Multimodal Reasoning via Active Retrieval
专题命中 视觉推理 :multimodal large language model(abstract);分类 cs.CV、cs.AI
Comments Working in progress
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 视觉推理 :multimodal large language model(abstract);分类 cs.CV、cs.AI
Comments Working in progress
专题命中 视觉推理 :multimodal large language model(abstract);分类 cs.CV、cs.AI
Comments Github Repo: https://github.com/InternLM/InternLM-XComposer/tree/main/InternLM-XComposer-2.5-OmniLive
专题命中 视觉推理 :vision-language model(abstract);分类 cs.CV、cs.AI
Comments Accepted by The European Conference on Computer Vision (ECCV) 2024
专题命中 视觉推理 :grounding(abstract);分类 cs.AI、cs.LG
Comments Presented at the Third Learning on Graphs Conference (LoG 2024). 10 pages, 1 figure
专题命中 视觉推理 :grounding(abstract);分类 cs.AI、cs.LG
Comments Paper accepted at NeurIPS 2024; Total 37 Pages
专题命中 视觉推理 :vision-language model(abstract);分类 cs.CV、cs.LG
专题命中 视觉推理 :LLaVA(abstract);分类 cs.CV、cs.AI
专题命中 视觉推理 :visual reasoning(abstract);分类 cs.CV、cs.AI
专题命中 视觉推理 :vision language model(abstract);分类 cs.CV、cs.AI
Comments 14 pages, 14 figures
专题命中 视觉推理 :vision-language model(abstract);分类 cs.CV、cs.AI
Comments Accepted to NeurIPS 2024
专题命中 视觉推理 :multimodal large language model(abstract);分类 cs.CV、cs.AI
专题命中 视觉推理 :vision-language model(abstract);分类 cs.CV、cs.AI
Comments Accepted by NeurIPS 2024 Datasets and Benchmarks Track. Project page: https://msr3d.github.io/
专题命中 视觉推理 :vision-language model(abstract);分类 cs.CV、cs.AI
专题命中 视觉推理 :visual reasoning(abstract);分类 cs.CV、cs.LG
Comments Accepted to NeurIPS 2024
专题命中 视觉推理 :visual reasoning(abstract);分类 cs.CV、cs.AI
Journal ref Sci Rep 14, 27249 (2024)
专题命中 视觉推理 :visual reasoning(abstract);分类 cs.AI、cs.LG
专题命中 视觉推理 :visual reasoning(abstract);分类 cs.CV、cs.LG
Comments Accepted to NeurIPS 2024 Workshop on Compositional Learning
专题命中 视觉推理 :multimodal large language model(abstract);分类 cs.CV、cs.AI
Comments 23 pages, 16 figures, 9 tables
专题命中 视觉推理 :multimodal large language model(abstract);分类 cs.CV、cs.AI
Comments Accepted to NeurIPS 2024 Track Datasets and Benchmarks
专题命中 视觉推理 :VLM(abstract);分类 cs.AI、cs.LG
Comments Accepted by EMNLP 2024 Industry Track
专题命中 视觉推理 :multimodal large language model(abstract);分类 cs.CV、cs.AI
Comments Accepted by NeurlPS 2024
专题命中 视觉推理 :grounding(abstract);分类 cs.CV、cs.AI
专题命中 视觉推理 :vision-language model(abstract);分类 cs.AI、cs.LG
Comments Webpage see https://agentic-skill-discovery.github.io/
专题命中 视觉推理 :visual reasoning(abstract);分类 cs.AI、cs.LG
专题命中 视觉推理 :vision-language model(abstract);分类 cs.CV、cs.AI
专题命中 视觉推理 :visual language model(abstract);分类 cs.CV、cs.AI
Comments Accepted by ACM MM 2024. Project website: https://alberthkyhky.github.io/ReCorD/
专题命中 视觉推理 :vision-language model(abstract);分类 cs.CV、cs.AI
专题命中 视觉推理 :vision-language model(abstract);分类 cs.CV、cs.AI
Comments 11 pages, 6 figures
专题命中 视觉推理 :grounding(abstract);分类 cs.AI、cs.LG
Comments Preprint. Nico Daheim and Jakub Macina contributed equally. Code and dataset can be found under: https://github.com/eth-lre/verify-then-generate
专题命中 视觉推理 :visual language model(abstract);分类 cs.CV、cs.AI
Comments First three authors contributed equally. Dataset: https://huggingface.co/datasets/VLLMs/MIRB