Learning from Synthetic Data for Visual Grounding
Fuente:
arXiv
Salvato in:
| Autori principali: | He, Ruozhen, Yang, Ziyan, Cascante-Bonilla, Paola, Berg, Alexander C., Ordonez, Vicente |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2024
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Improving Visual Grounding by Encouraging Consistent Gradient-based Explanations
di: Yang, Ziyan, et al.
Pubblicazione: (2022)
di: Yang, Ziyan, et al.
Pubblicazione: (2022)
GViT: Representing Images as Gaussians for Visual Recognition
di: Hernandez, Jefferson, et al.
Pubblicazione: (2025)
di: Hernandez, Jefferson, et al.
Pubblicazione: (2025)
Grounding Language Models for Visual Entity Recognition
di: Xiao, Zilin, et al.
Pubblicazione: (2024)
di: Xiao, Zilin, et al.
Pubblicazione: (2024)
PropTest: Automatic Property Testing for Improved Visual Programming
di: Koo, Jaywon, et al.
Pubblicazione: (2024)
di: Koo, Jaywon, et al.
Pubblicazione: (2024)
Composition-Grounded Data Synthesis for Visual Reasoning
di: Gu, Xinyi, et al.
Pubblicazione: (2025)
di: Gu, Xinyi, et al.
Pubblicazione: (2025)
EntityBench: Towards Entity-Consistent Long-Range Multi-Shot Video Generation
di: He, Ruozhen, et al.
Pubblicazione: (2026)
di: He, Ruozhen, et al.
Pubblicazione: (2026)
Do VLMs Need Vision Transformers? Evaluating State Space Models as Vision Encoders
di: Kuo, Shang-Jui Ray, et al.
Pubblicazione: (2026)
di: Kuo, Shang-Jui Ray, et al.
Pubblicazione: (2026)
NoiseShift: Resolution-Aware Noise Recalibration for Better Low-Resolution Image Generation
di: He, Ruozhen, et al.
Pubblicazione: (2025)
di: He, Ruozhen, et al.
Pubblicazione: (2025)
Beyond Referring Expressions: Scenario Comprehension Visual Grounding
di: He, Ruozhen, et al.
Pubblicazione: (2026)
di: He, Ruozhen, et al.
Pubblicazione: (2026)
Evaluation of Audio-Visual Alignments in Visually Grounded Speech Models
di: Khorrami, Khazar, et al.
Pubblicazione: (2021)
di: Khorrami, Khazar, et al.
Pubblicazione: (2021)
SceneCritic: A Symbolic Evaluator for 3D Indoor Scene Synthesis
di: Sengupta, Kathakoli, et al.
Pubblicazione: (2026)
di: Sengupta, Kathakoli, et al.
Pubblicazione: (2026)
Multi-Modal Hallucination Control by Visual Information Grounding
di: Favero, Alessandro, et al.
Pubblicazione: (2024)
di: Favero, Alessandro, et al.
Pubblicazione: (2024)
The ART of Composition: Attention-Regularized Training for Compositional Visual Grounding
di: Luo, Jiayun, et al.
Pubblicazione: (2024)
di: Luo, Jiayun, et al.
Pubblicazione: (2024)
Towards Grounded Visual Spatial Reasoning in Multi-Modal Vision Language Models
di: Rajabi, Navid, et al.
Pubblicazione: (2023)
di: Rajabi, Navid, et al.
Pubblicazione: (2023)
Harlequin: Color-driven Generation of Synthetic Data for Referring Expression Comprehension
di: Parolari, Luca, et al.
Pubblicazione: (2024)
di: Parolari, Luca, et al.
Pubblicazione: (2024)
Optical Context Compression Is Just (Bad) Autoencoding
di: Lee, Ivan Yee, et al.
Pubblicazione: (2025)
di: Lee, Ivan Yee, et al.
Pubblicazione: (2025)
Dr-LLaVA: Visual Instruction Tuning with Symbolic Clinical Grounding
di: Sun, Shenghuan, et al.
Pubblicazione: (2024)
di: Sun, Shenghuan, et al.
Pubblicazione: (2024)
T-MARS: Improving Visual Representations by Circumventing Text Feature Learning
di: Maini, Pratyush, et al.
Pubblicazione: (2023)
di: Maini, Pratyush, et al.
Pubblicazione: (2023)
Let the Target Select for Itself: Data Selection via Target-Aligned Paths
di: Yang, Huitao, et al.
Pubblicazione: (2026)
di: Yang, Huitao, et al.
Pubblicazione: (2026)
By My Eyes: Grounding Multimodal Large Language Models with Sensor Data via Visual Prompting
di: Yoon, Hyungjun, et al.
Pubblicazione: (2024)
di: Yoon, Hyungjun, et al.
Pubblicazione: (2024)
Integrating Medical Imaging and Clinical Reports Using Multimodal Deep Learning for Advanced Disease Analysis
di: Yao, Ziyan, et al.
Pubblicazione: (2024)
di: Yao, Ziyan, et al.
Pubblicazione: (2024)
SynthRL: Scaling Visual Reasoning with Verifiable Data Synthesis
di: Wu, Zijian, et al.
Pubblicazione: (2025)
di: Wu, Zijian, et al.
Pubblicazione: (2025)
Cross-modal Causal Relation Alignment for Video Question Grounding
di: Chen, Weixing, et al.
Pubblicazione: (2025)
di: Chen, Weixing, et al.
Pubblicazione: (2025)
Agentic Discovery with Active Hypothesis Exploration for Visual Recognition
di: Koo, Jaywon, et al.
Pubblicazione: (2026)
di: Koo, Jaywon, et al.
Pubblicazione: (2026)
Q-GroundCAM: Quantifying Grounding in Vision Language Models via GradCAM
di: Rajabi, Navid, et al.
Pubblicazione: (2024)
di: Rajabi, Navid, et al.
Pubblicazione: (2024)
Natural Language Inference Improves Compositionality in Vision-Language Models
di: Cascante-Bonilla, Paola, et al.
Pubblicazione: (2024)
di: Cascante-Bonilla, Paola, et al.
Pubblicazione: (2024)
R1-SyntheticVL: Is Synthetic Data from Generative Models Ready for Multimodal Large Language Model?
di: Zhang, Jingyi, et al.
Pubblicazione: (2026)
di: Zhang, Jingyi, et al.
Pubblicazione: (2026)
Why are Visually-Grounded Language Models Bad at Image Classification?
di: Zhang, Yuhui, et al.
Pubblicazione: (2024)
di: Zhang, Yuhui, et al.
Pubblicazione: (2024)
Towards Visual Text Grounding of Multimodal Large Language Model
di: Li, Ming, et al.
Pubblicazione: (2025)
di: Li, Ming, et al.
Pubblicazione: (2025)
Alt-Text with Context: Improving Accessibility for Images on Twitter
di: Srivatsan, Nikita, et al.
Pubblicazione: (2023)
di: Srivatsan, Nikita, et al.
Pubblicazione: (2023)
Rephrase, Augment, Reason: Visual Grounding of Questions for Vision-Language Models
di: Prasad, Archiki, et al.
Pubblicazione: (2023)
di: Prasad, Archiki, et al.
Pubblicazione: (2023)
Groma: Localized Visual Tokenization for Grounding Multimodal Large Language Models
di: Ma, Chuofan, et al.
Pubblicazione: (2024)
di: Ma, Chuofan, et al.
Pubblicazione: (2024)
V-FAT: Benchmarking Visual Fidelity Against Text-bias
di: Wang, Ziteng, et al.
Pubblicazione: (2026)
di: Wang, Ziteng, et al.
Pubblicazione: (2026)
Hierarchical Visual Agent: Managing Contexts in Joint Image-Text Space for Advanced Chart Reasoning
di: Dong, Qihua, et al.
Pubblicazione: (2026)
di: Dong, Qihua, et al.
Pubblicazione: (2026)
Spatially Grounded Explanations in Vision Language Models for Document Visual Question Answering
di: Lagos, Maximiliano Hormazábal, et al.
Pubblicazione: (2025)
di: Lagos, Maximiliano Hormazábal, et al.
Pubblicazione: (2025)
Naturally Supervised 3D Visual Grounding with Language-Regularized Concept Learners
di: Feng, Chun, et al.
Pubblicazione: (2024)
di: Feng, Chun, et al.
Pubblicazione: (2024)
BioCAP: Exploiting Synthetic Captions Beyond Labels in Biological Foundation Models
di: Zhang, Ziheng, et al.
Pubblicazione: (2025)
di: Zhang, Ziheng, et al.
Pubblicazione: (2025)
MAGIC: Near-Optimal Data Attribution for Deep Learning
di: Ilyas, Andrew, et al.
Pubblicazione: (2025)
di: Ilyas, Andrew, et al.
Pubblicazione: (2025)
ExpVG: Investigating the Design Space of Visual Grounding in Multimodal Large Language Model
di: Kang, Weitai, et al.
Pubblicazione: (2025)
di: Kang, Weitai, et al.
Pubblicazione: (2025)
VisualRWKV: Exploring Recurrent Neural Networks for Visual Language Models
di: Hou, Haowen, et al.
Pubblicazione: (2024)
di: Hou, Haowen, et al.
Pubblicazione: (2024)
Documenti analoghi
-
Improving Visual Grounding by Encouraging Consistent Gradient-based Explanations
di: Yang, Ziyan, et al.
Pubblicazione: (2022) -
GViT: Representing Images as Gaussians for Visual Recognition
di: Hernandez, Jefferson, et al.
Pubblicazione: (2025) -
Grounding Language Models for Visual Entity Recognition
di: Xiao, Zilin, et al.
Pubblicazione: (2024) -
PropTest: Automatic Property Testing for Improved Visual Programming
di: Koo, Jaywon, et al.
Pubblicazione: (2024) -
Composition-Grounded Data Synthesis for Visual Reasoning
di: Gu, Xinyi, et al.
Pubblicazione: (2025)