Buchumschlag

IG Captioner: Information Gain Captioners are Strong Zero-shot Classifiers

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yang, Chenglin, Qiao, Siyuan, Cao, Yuan, Zhang, Yu, Zhu, Tao, Yuille, Alan, Yu, Jiahui
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence Machine Learning Multimedia
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

VCap: Hypergeometric Rewards for Weak-to-Strong Visual Captioning
von: Lu, Xingyu, et al.
Veröffentlicht: (2026)

DIBS: Enhancing Dense Video Captioning with Unlabeled Videos via Pseudo Boundary Enrichment and Online Refinement
von: Wu, Hao, et al.
Veröffentlicht: (2024)

Cross Modification Attention Based Deliberation Model for Image Captioning
von: Lian, Zheng, et al.
Veröffentlicht: (2021)

Video Summarization: Towards Entity-Aware Captions
von: Ayyubi, Hammad A., et al.
Veröffentlicht: (2023)

ProCap: Projection-Aware Captioning for Spatial Augmented Reality
von: Cao, Zimo, et al.
Veröffentlicht: (2026)

MSC: A Marine Wildlife Video Dataset with Grounded Segmentation and Clip-Level Captioning
von: Truong, Quang-Trung, et al.
Veröffentlicht: (2025)

Implicit Location-Caption Alignment via Complementary Masking for Weakly-Supervised Dense Video Captioning
von: Ge, Shiping, et al.
Veröffentlicht: (2024)

Towards Retrieval-Augmented Architectures for Image Captioning
von: Sarto, Sara, et al.
Veröffentlicht: (2024)

AeroLite: Tag-Guided Lightweight Generation of Aerial Image Captions
von: Zi, Xing, et al.
Veröffentlicht: (2025)

GAIA: Zero-shot Talking Avatar Generation
von: He, Tianyu, et al.
Veröffentlicht: (2023)

PolySmart @ TRECVid 2024 Video Captioning (VTT)
von: Wu, Jiaxin, et al.
Veröffentlicht: (2024)

Mitigating Image Captioning Hallucinations in Vision-Language Models
von: Zhao, Fei, et al.
Veröffentlicht: (2025)

See or Guess: Counterfactually Regularized Image Captioning
von: Cao, Qian, et al.
Veröffentlicht: (2024)

OneDiff: A Generalist Model for Image Difference Captioning
von: Hu, Erdong, et al.
Veröffentlicht: (2024)

Embedded Heterogeneous Attention Transformer for Cross-lingual Image Captioning
von: Song, Zijie, et al.
Veröffentlicht: (2023)

Personalizing Multimodal Large Language Models for Image Captioning: An Experimental Analysis
von: Bucciarelli, Davide, et al.
Veröffentlicht: (2024)

BRIDGE: Bridging Gaps in Image Captioning Evaluation with Stronger Visual Cues
von: Sarto, Sara, et al.
Veröffentlicht: (2024)

Modularized Zero-shot VQA with Pre-trained Models
von: Cao, Rui, et al.
Veröffentlicht: (2023)

Group-based Distinctive Image Captioning with Memory Difference Encoding and Attention
von: Wang, Jiuniu, et al.
Veröffentlicht: (2025)

Mitigating Audiovisual Mismatch in Visual-Guide Audio Captioning
von: Xu, Le, et al.
Veröffentlicht: (2025)

Revisiting Image Captioning Training Paradigm via Direct CLIP-based Optimization
von: Moratelli, Nicholas, et al.
Veröffentlicht: (2024)

Edit As You Wish: Video Caption Editing with Multi-grained User Control
von: Yao, Linli, et al.
Veröffentlicht: (2023)

Robust Change Captioning in Remote Sensing: SECOND-CC Dataset and MModalCC Framework
von: Karaca, Ali Can, et al.
Veröffentlicht: (2025)

VDC-Agent: When Video Detailed Captioners Evolve Themselves via Agentic Self-Reflection
von: Wang, Qiang, et al.
Veröffentlicht: (2025)

Unleashing Text-to-Image Diffusion Prior for Zero-Shot Image Captioning
von: Luo, Jianjie, et al.
Veröffentlicht: (2024)

OT-DETECTOR: Delving into Optimal Transport for Zero-shot Out-of-Distribution Detection
von: Liu, Yu, et al.
Veröffentlicht: (2025)

Visual Lifelog Retrieval through Captioning-Enhanced Interpretation
von: Shih, Yu-Fei, et al.
Veröffentlicht: (2025)

MM-Point: Multi-View Information-Enhanced Multi-Modal Self-Supervised 3D Point Cloud Understanding
von: Yu, Hai-Tao, et al.
Veröffentlicht: (2024)

Cross-domain Multi-step Thinking: Zero-shot Fine-grained Traffic Sign Recognition in the Wild
von: Gan, Yaozong, et al.
Veröffentlicht: (2024)

TALDS-Net: Task-Aware Adaptive Local Descriptors Selection for Few-shot Image Classification
von: Qiao, Qian, et al.
Veröffentlicht: (2023)

How Far Are Surgeons from Surgical World Models? A Pilot Study on Zero-shot Surgical Video Generation with Expert Assessment
von: Chen, Zhen, et al.
Veröffentlicht: (2025)

A Simple Task-aware Contrastive Local Descriptor Selection Strategy for Few-shot Learning between inter class and intra class
von: Qiao, Qian, et al.
Veröffentlicht: (2024)

Omni-Captioner: Data Pipeline, Models, and Benchmark for Omni Detailed Perception
von: Ma, Ziyang, et al.
Veröffentlicht: (2025)

GPT-4V with Emotion: A Zero-shot Benchmark for Generalized Emotion Recognition
von: Lian, Zheng, et al.
Veröffentlicht: (2023)

SIDA: Synthetic Image Driven Zero-shot Domain Adaptation
von: Kim, Ye-Chan, et al.
Veröffentlicht: (2025)

Do LLMs Understand Visual Anomalies? Uncovering LLM's Capabilities in Zero-shot Anomaly Detection
von: Zhu, Jiaqi, et al.
Veröffentlicht: (2024)

StyleAR: Customizing Multimodal Autoregressive Model for Style-Aligned Text-to-Image Generation
von: Wu, Yi, et al.
Veröffentlicht: (2025)

Can Large Language Models Grasp Event Signals? Exploring Pure Zero-Shot Event-based Recognition
von: Yu, Zongyou, et al.
Veröffentlicht: (2024)

Zero-shot Video Moment Retrieval via Off-the-shelf Multimodal Large Language Models
von: Xu, Yifang, et al.
Veröffentlicht: (2025)

FinCap: Topic-Aligned Captions for Short-Form Financial YouTube Videos
von: Sukhani, Siddhant, et al.
Veröffentlicht: (2025)