Mining Fine-Grained Image-Text Alignment for Zero-Shot Captioning via Text-Only Training
Fuente:
arXiv
Salvato in:
| Autori principali: | Qiu, Longtian, Ning, Shan, He, Xuming |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2024
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Wiki-R1: Incentivizing Multimodal Reasoning for Knowledge-based VQA via Data and Sampling Curriculum
di: Ning, Shan, et al.
Pubblicazione: (2026)
di: Ning, Shan, et al.
Pubblicazione: (2026)
NoisyGRPO: Incentivizing Multimodal CoT Reasoning via Noise Injection and Bayesian Estimation
di: Qiu, Longtian, et al.
Pubblicazione: (2025)
di: Qiu, Longtian, et al.
Pubblicazione: (2025)
COHERENCE: Benchmarking Fine-Grained Image-Text Alignment in Interleaved Multimodal Contexts
di: Wang, Bingli, et al.
Pubblicazione: (2026)
di: Wang, Bingli, et al.
Pubblicazione: (2026)
Medical Image Synthesis via Fine-Grained Image-Text Alignment and Anatomy-Pathology Prompting
di: Chen, Wenting, et al.
Pubblicazione: (2024)
di: Chen, Wenting, et al.
Pubblicazione: (2024)
WikiCLIP: An Efficient Contrastive Baseline for Open-domain Visual Entity Recognition
di: Ning, Shan, et al.
Pubblicazione: (2026)
di: Ning, Shan, et al.
Pubblicazione: (2026)
FineLIP: Extending CLIP's Reach via Fine-Grained Alignment with Longer Text Inputs
di: Asokan, Mothilal, et al.
Pubblicazione: (2025)
di: Asokan, Mothilal, et al.
Pubblicazione: (2025)
ITO: Images and Texts as One via Synergizing Multiple Alignment and Training-Time Fusion
di: Liu, Hanpeng, et al.
Pubblicazione: (2026)
di: Liu, Hanpeng, et al.
Pubblicazione: (2026)
Fine-Grained Image-Text Alignment in Medical Imaging Enables Explainable Cyclic Image-Report Generation
di: Chen, Wenting, et al.
Pubblicazione: (2023)
di: Chen, Wenting, et al.
Pubblicazione: (2023)
CLIP Architecture for Abdominal CT Image-Text Alignment and Zero-Shot Learning: Investigating Batch Composition and Data Scaling
di: Shivika, et al.
Pubblicazione: (2026)
di: Shivika, et al.
Pubblicazione: (2026)
Training-Only Heterogeneous Image-Patch-Text Graph Supervision for Advancing Few-Shot Learning Adapters
di: Mohammad, Mohammed Rahman Sherif Khan, et al.
Pubblicazione: (2026)
di: Mohammad, Mohammed Rahman Sherif Khan, et al.
Pubblicazione: (2026)
Text-only Synthesis for Image Captioning
di: Zhou, Qing, et al.
Pubblicazione: (2024)
di: Zhou, Qing, et al.
Pubblicazione: (2024)
LAGO: Language-Guided Adaptive Object-Region Focus for Zero-Shot Visual-Text Alignment
di: Hu, Junyi, et al.
Pubblicazione: (2026)
di: Hu, Junyi, et al.
Pubblicazione: (2026)
Is Your Text-to-Image Model Robust to Caption Noise?
di: Yu, Weichen, et al.
Pubblicazione: (2024)
di: Yu, Weichen, et al.
Pubblicazione: (2024)
Parrot Captions Teach CLIP to Spot Text
di: Lin, Yiqi, et al.
Pubblicazione: (2023)
di: Lin, Yiqi, et al.
Pubblicazione: (2023)
MiSCHiEF: A Benchmark in Minimal-Pairs of Safety and Culture for Holistic Evaluation of Fine-Grained Image-Caption Alignment
di: Banerjee, Sagarika, et al.
Pubblicazione: (2026)
di: Banerjee, Sagarika, et al.
Pubblicazione: (2026)
Zero-Residual Concept Erasure via Progressive Alignment in Text-to-Image Model
di: Chen, Hongxu, et al.
Pubblicazione: (2025)
di: Chen, Hongxu, et al.
Pubblicazione: (2025)
RAISE: Requirement-Adaptive Evolutionary Refinement for Training-Free Text-to-Image Alignment
di: Jiang, Liyao, et al.
Pubblicazione: (2026)
di: Jiang, Liyao, et al.
Pubblicazione: (2026)
TIMA: Text-Image Mutual Awareness for Balancing Zero-Shot Adversarial Robustness and Generalization Ability
di: Ma, Fengji, et al.
Pubblicazione: (2024)
di: Ma, Fengji, et al.
Pubblicazione: (2024)
Unconstrained Open Vocabulary Image Classification: Zero-Shot Transfer from Text to Image via CLIP Inversion
di: Allgeuer, Philipp, et al.
Pubblicazione: (2024)
di: Allgeuer, Philipp, et al.
Pubblicazione: (2024)
Text-Only Data Synthesis for Vision Language Model Training
di: Yu, Xiaomin, et al.
Pubblicazione: (2025)
di: Yu, Xiaomin, et al.
Pubblicazione: (2025)
How to Train your Text-to-Image Model: Evaluating Design Choices for Synthetic Training Captions
di: Brack, Manuel, et al.
Pubblicazione: (2025)
di: Brack, Manuel, et al.
Pubblicazione: (2025)
TOPA: Extending Large Language Models for Video Understanding via Text-Only Pre-Alignment
di: Li, Wei, et al.
Pubblicazione: (2024)
di: Li, Wei, et al.
Pubblicazione: (2024)
Towards Fine-Grained Human Motion Video Captioning
di: Song, Guorui, et al.
Pubblicazione: (2025)
di: Song, Guorui, et al.
Pubblicazione: (2025)
Image Captions are Natural Prompts for Text-to-Image Models
di: Lei, Shiye, et al.
Pubblicazione: (2023)
di: Lei, Shiye, et al.
Pubblicazione: (2023)
Pseudo-label Based Domain Adaptation for Zero-Shot Text Steganalysis
di: Luo, Yufei, et al.
Pubblicazione: (2024)
di: Luo, Yufei, et al.
Pubblicazione: (2024)
VersusDebias: Universal Zero-Shot Debiasing for Text-to-Image Models via SLM-Based Prompt Engineering and Generative Adversary
di: Luo, Hanjun, et al.
Pubblicazione: (2024)
di: Luo, Hanjun, et al.
Pubblicazione: (2024)
Sketch and Text Synergy: Fusing Structural Contours and Descriptive Attributes for Fine-Grained Image Retrieval
di: Wang, Siyuan, et al.
Pubblicazione: (2026)
di: Wang, Siyuan, et al.
Pubblicazione: (2026)
LACON: Training Text-to-Image Model from Uncurated Data
di: Liang, Zhiyang, et al.
Pubblicazione: (2026)
di: Liang, Zhiyang, et al.
Pubblicazione: (2026)
FB-CLIP: Fine-Grained Zero-Shot Anomaly Detection with Foreground-Background Disentanglement
di: Hu, Ming, et al.
Pubblicazione: (2026)
di: Hu, Ming, et al.
Pubblicazione: (2026)
Sam-Guided Enhanced Fine-Grained Encoding with Mixed Semantic Learning for Medical Image Captioning
di: Zhang, Zhenyu, et al.
Pubblicazione: (2023)
di: Zhang, Zhenyu, et al.
Pubblicazione: (2023)
EIDT-V: Exploiting Intersections in Diffusion Trajectories for Model-Agnostic, Zero-Shot, Training-Free Text-to-Video Generation
di: Jagpal, Diljeet, et al.
Pubblicazione: (2025)
di: Jagpal, Diljeet, et al.
Pubblicazione: (2025)
DanceCrafter: Fine-Grained Text-Driven Controllable Dance Generation via Choreographic Syntax
di: Yuan, Hang, et al.
Pubblicazione: (2026)
di: Yuan, Hang, et al.
Pubblicazione: (2026)
SpatialReward: Verifiable Spatial Reward Modeling for Fine-Grained Spatial Consistency in Text-to-Image Generation
di: Zhou, Sashuai, et al.
Pubblicazione: (2026)
di: Zhou, Sashuai, et al.
Pubblicazione: (2026)
Re-Thinking the Automatic Evaluation of Image-Text Alignment in Text-to-Image Models
di: Zhang, Huixuan, et al.
Pubblicazione: (2025)
di: Zhang, Huixuan, et al.
Pubblicazione: (2025)
Enhancing Zero-Shot Brain Tumor Subtype Classification via Fine-Grained Patch-Text Alignment
di: Gan, Lubin, et al.
Pubblicazione: (2025)
di: Gan, Lubin, et al.
Pubblicazione: (2025)
Region Prompt Tuning: Fine-grained Scene Text Detection Utilizing Region Text Prompt
di: Lin, Xingtao, et al.
Pubblicazione: (2024)
di: Lin, Xingtao, et al.
Pubblicazione: (2024)
Personalized Safety Alignment for Text-to-Image Diffusion Models
di: Lei, Yu, et al.
Pubblicazione: (2025)
di: Lei, Yu, et al.
Pubblicazione: (2025)
Instant Preference Alignment for Text-to-Image Diffusion Models
di: Li, Yang, et al.
Pubblicazione: (2025)
di: Li, Yang, et al.
Pubblicazione: (2025)
Safety Alignment Backfires: Preventing the Re-emergence of Suppressed Concepts in Fine-tuned Text-to-Image Diffusion Models
di: Kim, Sanghyun, et al.
Pubblicazione: (2024)
di: Kim, Sanghyun, et al.
Pubblicazione: (2024)
InterDreamer: Zero-Shot Text to 3D Dynamic Human-Object Interaction
di: Xu, Sirui, et al.
Pubblicazione: (2024)
di: Xu, Sirui, et al.
Pubblicazione: (2024)
Documenti analoghi
-
Wiki-R1: Incentivizing Multimodal Reasoning for Knowledge-based VQA via Data and Sampling Curriculum
di: Ning, Shan, et al.
Pubblicazione: (2026) -
NoisyGRPO: Incentivizing Multimodal CoT Reasoning via Noise Injection and Bayesian Estimation
di: Qiu, Longtian, et al.
Pubblicazione: (2025) -
COHERENCE: Benchmarking Fine-Grained Image-Text Alignment in Interleaved Multimodal Contexts
di: Wang, Bingli, et al.
Pubblicazione: (2026) -
Medical Image Synthesis via Fine-Grained Image-Text Alignment and Anatomy-Pathology Prompting
di: Chen, Wenting, et al.
Pubblicazione: (2024) -
WikiCLIP: An Efficient Contrastive Baseline for Open-domain Visual Entity Recognition
di: Ning, Shan, et al.
Pubblicazione: (2026)