会员服务
UniDDT: Unifying Multimodal Understanding and Generation with Decoupled Diffusion Transformer
Arxiv
0+阅读 · 6月15日
KMMMU: Evaluation of Massive Multi-discipline Multimodal Understanding in Korean Language and Context
Arxiv
0+阅读 · 4月17日
LVRPO: Language-Visual Alignment with GRPO for Multimodal Understanding and Generation
Arxiv
0+阅读 · 3月29日
LinMU: Multimodal Understanding Made Linear
Arxiv
0+阅读 · 5月3日
Beyond Isolated Utterances: Cue-Guided Interaction for Context-Dependent Conversational Multimodal Understanding
Arxiv
0+阅读 · 4月28日
LLaDA2.0-Uni: Unifying Multimodal Understanding and Generation with Diffusion Large Language Model
Arxiv
0+阅读 · 4月22日
Tuna-2: Pixel Embeddings Beat Vision Encoders for Multimodal Understanding and Generation
Arxiv
0+阅读 · 4月27日
Audio-Omni: Extending Multi-modal Understanding to Versatile Audio Generation and Editing
Arxiv
0+阅读 · 4月26日
Mobile-O: Unified Multimodal Understanding and Generation on Mobile Device
Arxiv
0+阅读 · 2月23日
iGVLM: Dynamic Instruction-Guided Vision Encoding for Question-Aware Multimodal Understanding
Arxiv
0+阅读 · 3月9日
LaViDa-R1: Advancing Reasoning for Unified Multimodal Diffusion Language Models
Arxiv
0+阅读 · 2月15日
ERNIE 5.0 Technical Report
Arxiv
0+阅读 · 2月4日
DeepInsert: Early Layer Bypass for Efficient and Performant Multimodal Understanding
Arxiv
0+阅读 · 1月25日
VMMU: A Vietnamese Multitask Multimodal Understanding and Reasoning Benchmark
Arxiv
0+阅读 · 1月23日
VMMU: A Vietnamese Multitask Multimodal Understanding and Reasoning Benchmark
Arxiv
0+阅读 · 1月13日
参考链接
微信扫码咨询专知VIP会员
Top