Buchumschlag

Multimodal Rationales for Explainable Visual Question Answering

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Kun, Vosselman, George, Yang, Michael Ying
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Scale-wise Bidirectional Alignment Network for Referring Remote Sensing Image Segmentation
von: Li, Kun, et al.
Veröffentlicht: (2025)

Learning from Exemplars for Interactive Image Segmentation
von: Li, Kun, et al.
Veröffentlicht: (2024)

MedThink: Explaining Medical Visual Question Answering via Multimodal Decision-Making Rationale
von: Gai, Xiaotang, et al.
Veröffentlicht: (2024)

Query-Guided Spatial-Temporal-Frequency Interaction for Music Audio-Visual Question Answering
von: Li, Kun, et al.
Veröffentlicht: (2026)

Retrieval-Augmented Natural Language Reasoning for Explainable Visual Question Answering
von: Lim, Su Hyeon, et al.
Veröffentlicht: (2024)

Enhanced Multimodal RAG-LLM for Accurate Visual Question Answering
von: Xue, Junxiao, et al.
Veröffentlicht: (2024)

A Comparison of Multi-View Stereo Methods for Photogrammetric 3D Reconstruction: From Traditional to Learning-Based Approaches
von: Li, Yawen, et al.
Veröffentlicht: (2026)

Breaking the Visual Shortcuts in Multimodal Knowledge-Based Visual Question Answering
von: Lee, Dosung, et al.
Veröffentlicht: (2025)

MedXplain-VQA: Multi-Component Explainable Medical Visual Question Answering
von: Nguyen, Hai-Dang, et al.
Veröffentlicht: (2025)

POVQA: Preference-Optimized Video Question Answering with Rationales for Data Efficiency
von: Dahal, Ashim, et al.
Veröffentlicht: (2025)

Planner3D: LLM-enhanced graph prior meets 3D indoor scene explicit regularization
von: Wei, Yao, et al.
Veröffentlicht: (2024)

Mixture of Rationale: Multi-Modal Reasoning Mixture for Visual Question Answering
von: Li, Tao, et al.
Veröffentlicht: (2024)

Towards Top-Down Reasoning: An Explainable Multi-Agent Approach for Visual Question Answering
von: Wang, Zeqing, et al.
Veröffentlicht: (2023)

DVLO4D: Deep Visual-Lidar Odometry with Sparse Spatial-temporal Fusion
von: Liu, Mengmeng, et al.
Veröffentlicht: (2025)

Visual Question Answering Instruction: Unlocking Multimodal Large Language Model To Domain-Specific Visual Multitasks
von: Lee, Jusung, et al.
Veröffentlicht: (2024)

PolyR-CNN: R-CNN for end-to-end polygonal building outline extraction
von: Jiao, Weiqin, et al.
Veröffentlicht: (2024)

MV-CoRe: Multimodal Visual-Conceptual Reasoning for Complex Visual Question Answering
von: Peng, Jingwei, et al.
Veröffentlicht: (2025)

Multimodal Integration of Human-Like Attention in Visual Question Answering
von: Sood, Ekta, et al.
Veröffentlicht: (2021)

Design as Desired: Utilizing Visual Question Answering for Multimodal Pre-training
von: Su, Tongkun, et al.
Veröffentlicht: (2024)

Patch-level Sounding Object Tracking for Audio-Visual Question Answering
von: Li, Zhangbin, et al.
Veröffentlicht: (2024)

VIHD: Visual Intervention-based Hallucination Detection for Medical Visual Question Answering
von: Chen, Jiayi, et al.
Veröffentlicht: (2026)

Enhancing Scientific Visual Question Answering through Multimodal Reasoning and Ensemble Modeling
von: Movva, Prahitha, et al.
Veröffentlicht: (2025)

Enhancing Visual Question Answering with Multimodal LLMs via Chain-of-Question Guided Retrieval-Augmented Generation
von: Xu, Quanxing, et al.
Veröffentlicht: (2026)

Towards Self-Explainable Document Visual Question Answering with Chain-of-Explanation Predictions
von: Indrehus, Kjetil, et al.
Veröffentlicht: (2026)

Incremental Semantics-Aided Meshing from LiDAR-Inertial Odometry and RGB Direct Label Transfer
von: Affan, Muhammad, et al.
Veröffentlicht: (2026)

Selectively Answering Visual Questions
von: Eisenschlos, Julian Martin, et al.
Veröffentlicht: (2024)

CC-VQA: Conflict- and Correlation-Aware Method for Mitigating Knowledge Conflict in Knowledge-Based Visual Question Answering
von: Hong, Yuyang, et al.
Veröffentlicht: (2026)

Reconstruction as a Bridge for Event-Based Visual Question Answering
von: Lou, Hanyue, et al.
Veröffentlicht: (2025)

SnapNTell: Enhancing Entity-Centric Visual Question Answering with Retrieval Augmented Multimodal LLM
von: Qiu, Jielin, et al.
Veröffentlicht: (2024)

MAVIS: A Benchmark for Multimodal Source Attribution in Long-form Visual Question Answering
von: Song, Seokwon, et al.
Veröffentlicht: (2025)

RoadscapesQA: A Multitask, Multimodal Dataset for Visual Question Answering on Indian Roads
von: Iyer, Vijayasri, et al.
Veröffentlicht: (2026)

Targeted Visual Prompting for Medical Visual Question Answering
von: Tascon-Morales, Sergio, et al.
Veröffentlicht: (2024)

Visual Robustness Benchmark for Visual Question Answering (VQA)
von: Ishmam, Md Farhan, et al.
Veröffentlicht: (2024)

Visually Interpretable Subtask Reasoning for Visual Question Answering
von: Cheng, Yu, et al.
Veröffentlicht: (2025)

DriveLM: Driving with Graph Visual Question Answering
von: Sima, Chonghao, et al.
Veröffentlicht: (2023)

Question-Aware Gaussian Experts for Audio-Visual Question Answering
von: Kim, Hongyeob, et al.
Veröffentlicht: (2025)

Questioning the Stability of Visual Question Answering
von: Rosenfeld, Amir, et al.
Veröffentlicht: (2025)

Towards Perceiving Small Visual Details in Zero-shot Visual Question Answering with Multimodal LLMs
von: Zhang, Jiarui, et al.
Veröffentlicht: (2023)

Feasibility of Indoor Frame-Wise Lidar Semantic Segmentation via Distillation from Visual Foundation Model
von: Wu, Haiyang, et al.
Veröffentlicht: (2026)

Evaluating Variance in Visual Question Answering Benchmarks
von: SR, Nikitha
Veröffentlicht: (2025)