Copertina

A Joint Study of Phrase Grounding and Task Performance in Vision and Language Models

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Kojima, Noriyuki, Averbuch-Elor, Hadar, Artzi, Yoav
Natura:	Preprint
Pubblicazione:	2023
Soggetti:	Computation and Language Computer Vision and Pattern Recognition
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Kiki or Bouba? Sound Symbolism in Vision-and-Language Models
di: Alper, Morris, et al.
Pubblicazione: (2023)

Emergent Visual-Semantic Hierarchies in Image-Text Representations
di: Alper, Morris, et al.
Pubblicazione: (2024)

Raster2Seq: Polygon Sequence Generation for Floorplan Reconstruction
di: Phung, Hao, et al.
Pubblicazione: (2026)

Dynamic Scene Understanding from Vision-Language Representations
di: Pruss, Shahaf, et al.
Pubblicazione: (2025)

Thinking in Blender: Staged Executable Inverse Graphics with Vision-Language Models
di: He, Guangzhao, et al.
Pubblicazione: (2026)

Supercharging Floorplan Localization with Semantic Rays
di: Grader, Yuval, et al.
Pubblicazione: (2025)

InstanceGen: Image Generation with Instance-level Instructions
di: Sella, Etai, et al.
Pubblicazione: (2025)

Composing People Together: Iterative Pose-Image Generation for Multi-Person Interaction Scenes
di: Peng, Wenxuan, et al.
Pubblicazione: (2026)

Scene Grounding In the Wild
di: Cohen, Tamir, et al.
Pubblicazione: (2026)

Let it Snow! Animating 3D Gaussian Scenes with Dynamic Weather Effects via Physics-Guided Score Distillation
di: Fiebelman, Gal, et al.
Pubblicazione: (2025)

Lang3D-XL: Language Embedded 3D Gaussians for Large-scale Scenes
di: Krakovsky, Shai, et al.
Pubblicazione: (2025)

Color Bind: Exploring Color Perception in Text-to-Image Models
di: Shomer-Chai, Shay, et al.
Pubblicazione: (2025)

WAFFLE: Multimodal Floorplan Understanding in the Wild
di: Ganon, Keren, et al.
Pubblicazione: (2024)

Extreme Rotation Estimation in the Wild
di: Bezalel, Hana, et al.
Pubblicazione: (2024)

Emergent Extreme-View Geometry in 3D Foundation Models
di: Zhang, Yiwen, et al.
Pubblicazione: (2025)

Spice-E : Structural Priors in 3D Diffusion using Cross-Entity Attention
di: Sella, Etai, et al.
Pubblicazione: (2023)

Blended Point Cloud Diffusion for Localized Text-guided Shape Editing
di: Sella, Etai, et al.
Pubblicazione: (2025)

4-LEGS: 4D Language Embedded Gaussian Splatting
di: Fiebelman, Gal, et al.
Pubblicazione: (2024)

Talk Less, Interact Better: Evaluating In-context Conversational Adaptation in Multimodal LLMs
di: Hua, Yilun, et al.
Pubblicazione: (2024)

Generalised Medical Phrase Grounding
di: Zhang, Wenjun, et al.
Pubblicazione: (2025)

ICC: Quantifying Image Caption Concreteness for Multimodal Dataset Curation
di: Yanuka, Moran, et al.
Pubblicazione: (2024)

WildCAT3D: Appearance-Aware Multi-View Diffusion in the Wild
di: Alper, Morris, et al.
Pubblicazione: (2025)

Long-tail Internet photo reconstruction
di: Li, Yuan, et al.
Pubblicazione: (2026)

CoGen: Learning from Feedback with Coupled Comprehension and Generation
di: Gul, Mustafa Omer, et al.
Pubblicazione: (2024)

MeshOn: Intersection-Free Mesh-to-Mesh Composition
di: Kim, Hyunwoo, et al.
Pubblicazione: (2026)

Systole-Conditioned Generative Cardiac Motion
di: Zuler, Shahar, et al.
Pubblicazione: (2025)

HaLo-NeRF: Learning Geometry-Guided Semantics for Exploring Unconstrained Photo Collections
di: Dudai, Chen, et al.
Pubblicazione: (2024)

Mitigating Open-Vocabulary Caption Hallucinations
di: Ben-Kish, Assaf, et al.
Pubblicazione: (2023)

Can We Predict Performance of Large Models across Vision-Language Tasks?
di: Zhao, Qinyu, et al.
Pubblicazione: (2024)

ProtoSnap: Prototype Alignment for Cuneiform Signs
di: Mikulinsky, Rachel, et al.
Pubblicazione: (2025)

ReNoise: Real Image Inversion Through Iterative Noising
di: Garibi, Daniel, et al.
Pubblicazione: (2024)

Generate to Ground: Multimodal Text Conditioning Boosts Phrase Grounding in Medical Vision-Language Models
di: Nützel, Felix, et al.
Pubblicazione: (2025)

Do Vision-Language Models Truly Perform Vision Reasoning? A Rigorous Study of the Modality Gap
di: Xu, Yige, et al.
Pubblicazione: (2026)

Evaluation and Enhancement of Semantic Grounding in Large Vision-Language Models
di: Lu, Jiaying, et al.
Pubblicazione: (2023)

Enhancing Abnormality Grounding for Vision Language Models with Knowledge Descriptions
di: Li, Jun, et al.
Pubblicazione: (2025)

Show and Guide: Instructional-Plan Grounded Vision and Language Model
di: Glória-Silva, Diogo, et al.
Pubblicazione: (2024)

Musketeer: Joint Training for Multi-task Vision Language Model with Task Explanation Prompts
di: Zhang, Zhaoyang, et al.
Pubblicazione: (2023)

Vision-Language Modeling in PET/CT for Visual Grounding of Positive Findings
di: Huemann, Zachary, et al.
Pubblicazione: (2025)

VividMed: Vision Language Model with Versatile Visual Grounding for Medicine
di: Luo, Lingxiao, et al.
Pubblicazione: (2024)

ReVisionLLM: Recursive Vision-Language Model for Temporal Grounding in Hour-Long Videos
di: Hannan, Tanveer, et al.
Pubblicazione: (2024)