会员服务
VLSBench: Unveiling Visual Leakage in Multimodal Safety
Arxiv
0+阅读 · 1月17日
LLaVAC: Fine-tuning LLaVA as a Multimodal Sentiment Classifier
Arxiv
0+阅读 · 2月5日
LLaVA-3D: A Simple yet Effective Pathway to Empowering LMMs with 3D-awareness
Arxiv
0+阅读 · 2月1日
Sa2VA: Marrying SAM2 with LLaVA for Dense Grounded Understanding of Images and Videos
Arxiv
0+阅读 · 2月13日
PolySmart @ TRECVid 2024 Video Captioning (VTT)
Arxiv
0+阅读 · 1月25日
A Vision-Language Framework for Multispectral Scene Representation Using Language-Grounded Features
Arxiv
0+阅读 · 1月17日
LLaVA Steering: Visual Instruction Tuning with 500x Fewer Parameters through Modality Linear Representation-Steering
Arxiv
0+阅读 · 1月7日
Sa2VA: Marrying SAM2 with LLaVA for Dense Grounded Understanding of Images and Videos
Arxiv
0+阅读 · 1月7日
Vision Language Models as Values Detectors
Arxiv
0+阅读 · 1月7日
Understanding Multimodal LLMs: the Mechanistic Interpretability of Llava in Visual Question Answering
Arxiv
0+阅读 · 1月11日
PolySmart @ TRECVid 2024 Video-To-Text
Arxiv
1+阅读 · 2024年12月23日
PolySmart @ TRECVid 2024 Video-To-Text
Arxiv
1+阅读 · 2024年12月20日
Technical Report for ICML 2024 TiFA Workshop MLLM Attack Challenge: Suffix Injection and Projected Gradient Descent Can Easily Fool An MLLM
Arxiv
1+阅读 · 2024年12月20日
Maya: An Instruction Finetuned Multilingual Multimodal Model
Arxiv
1+阅读 · 2024年12月10日
VLSBench: Unveiling Visual Leakage in Multimodal Safety
Arxiv
0+阅读 · 2024年11月29日
参考链接
微信扫码咨询专知VIP会员
Top