- 1、本文档共26页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
VisualPromptinginMultimodalLargeLanguageModels:ASurvey
JundaWu1ZhehaoZhang2YuXia1XintongLi1ZhaoyangXia3AaronChang4
TongYu5SungchulKim5RyanA.Rossi5RuiyiZhang5SubrataMitra5
DimitrisN.Metaxas3LinaYao6,7JingboShang1JulianMcAuley1
1UCSanDiego2DartmouthCollege3RutgersUniversity4UCLosAngeles
5AdobeResearch6TheUniversityofNewSouthWales7CSIRO’sData61
{juw069,yux078,xil240,jshang,jmcauley}@zhehao.zhang.gr@
zx149@rutgers.eduaaronchang21@ucla.edudnm@
{tyu,sukim,ryrossi,ruizhang,sumitra}@lina.yao@data61.csiro.au
Abstract
arXiv:2409.15310v1[cs.LG]5Sep2024Multimodallargelanguagemodels(MLLMs)equippre-trainedlarge-languagemodels(LLMs)withvisualcapabilities.WhiletextualpromptinginLLMshasbeenwidelystudied,visualpromptinghasemergedformorefine-grainedandfree-formvisualinstructions.ThispaperpresentsthefirstcomprehensivesurveyonvisualpromptingmethodsinMLLMs,focusingonvisualprompting,promptgeneration,compositionalreasoning,andpromptlearning.Wecategorizeexistingvisualpromptsanddiscussgenerativemethodsforautomaticpromptannotationsontheimages.Wealsoexaminevisualpromptingmethodsthatenablebetteralign-mentbetweenvisualencodersandbackboneLLMs,concerningMLLM’svisualgrounding,objectreferring,andcompositionalreasoningabilities.Inaddition,weprovideasummaryofmodeltrainingandin-contextlearningmethodstoimproveMLLM’sperceptionandunderstandingofvisual
arXiv:2409.15310v1[cs.LG]5Sep2024
ofthesemethods.
1Introduction
Multimodallargelanguagemodels(MLLMs)(Lietal.,2023b;Liuetal.,2024a),whichaugmentpre-trainedlargelanguagemodels(LLMs)withvisualcapabilities,enablevisualunderstandingandre
您可能关注的文档
- 2024 云栖大会微服务和网关相关演讲材料.docx
- 2024 中国企业行动学习实践调研报告.docx
- AI教育硬件全景报告2024 -量子位智库.docx
- google deepMind:通过强化学习训练语言模型进行自我纠正.docx
- 城市低空经济“链接力”指数(成都)报告2024.docx
- 房地产 -2024年一建管理《红宝书》 -建设工程项目管理历年真题解析及预测.docx
- 房地产 -毛坯房交付标准及品质提升方案.docx
- 房地产培训 -如何干好物业项目经理.docx
- 粉丝尼尔森关于西班牙裔媒体消费和体育参与的游戏手册 Fanáticos Nielsen’s playbook on Hispanic audiences, sports and media engagement.docx
- 红餐:火锅 现制饮品”研究报告2024.docx
最近下载
- [人教版小学英语六年级上册第一单元测试卷.doc VIP
- 15G611 砖混结构加固与修复.docx
- EIM Starter Unit 1 He’s a footballer单元知识要点.docx
- 人教版PEP六年级英语上册第一单元测试卷及答案.docx VIP
- 小学生核心素养培养主题研究-跨学科项目式主题学习初探课件.pptx VIP
- 人教版六年级英语上册第一单元测试卷附答案.doc VIP
- 化妆品化学第一讲-化妆品常识 PPT课件.ppt VIP
- 2023年《建筑工程施工质量验收统一标准》.doc
- 带状疱疹性神经痛.pptx
- (新版)机动车驾驶证科目一考试题库资料500题(含答案).pdf
文档评论(0)