会员服务
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
Purrfessor: A Fine-tuned Multimodal LLaVA Diet Health Chatbot
Arxiv
0+阅读 · 2024年11月22日
Understanding Multimodal LLMs: the Mechanistic Interpretability of Llava in Visual Question Answering
Arxiv
0+阅读 · 2024年11月17日
Treat Visual Tokens as Text? But Your MLLM Only Needs Fewer Efforts to See
Arxiv
0+阅读 · 2024年11月15日
Enhance Image-to-Image Generation with LLaVA-generated Prompts
Arxiv
0+阅读 · 2024年11月12日
Continual LLaVA: Continual Instruction Tuning in Large Vision-Language Models
Arxiv
0+阅读 · 2024年11月11日
参考链接
微信扫码咨询专知VIP会员
Top