Buchumschlag

Enhancing Visual Question Answering through Question-Driven Image Captions as Prompts

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Özdemir, Övgü, Akagündüz, Erdem
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Detecting and Understanding Hateful Contents in Memes Through Captioning and Visual Question-Answering
von: Anaissi, Ali, et al.
Veröffentlicht: (2025)

Knowledge Detection by Relevant Question and Image Attributes in Visual Question Answering
von: Ahir, Param, et al.
Veröffentlicht: (2023)

SCRA-VQA: Summarized Caption-Rerank for Augmented Large Language Models in Visual Question Answering
von: Zhang, Yan, et al.
Veröffentlicht: (2025)

RS-MoE: A Vision-Language Model with Mixture of Experts for Remote Sensing Image Captioning and Visual Question Answering
von: Lin, Hui, et al.
Veröffentlicht: (2024)

AdaCoder: Adaptive Prompt Compression for Programmatic Visual Question Answering
von: Ukai, Mahiro, et al.
Veröffentlicht: (2024)

TM-PATHVQA:90000+ Textless Multilingual Questions for Medical Visual Question Answering
von: Rajkhowa, Tonmoy, et al.
Veröffentlicht: (2024)

VoQA: Visual-only Question Answering
von: An, Jianing, et al.
Veröffentlicht: (2025)

Object Attribute Matters in Visual Question Answering
von: Li, Peize, et al.
Veröffentlicht: (2023)

MM-Prompt: Cross-Modal Prompt Tuning for Continual Visual Question Answering
von: Li, Xu, et al.
Veröffentlicht: (2025)

Near-Infrared and Low-Rank Adaptation of Vision Transformers in Remote Sensing
von: Ulku, Irem, et al.
Veröffentlicht: (2024)

Robust Multispectral Semantic Segmentation under Missing or Full Modalities via Structured Latent Projection
von: Ulku, Irem, et al.
Veröffentlicht: (2026)

Latent Space Guided Scenario Sampling for Multimodal Segmentation Under Missing Modalities
von: Ulku, Irem, et al.
Veröffentlicht: (2026)

Ask and Remember: A Questions-Only Replay Strategy for Continual Visual Question Answering
von: Marouf, Imad Eddine, et al.
Veröffentlicht: (2025)

CluMo: Cluster-based Modality Fusion Prompt for Continual Learning in Visual Question Answering
von: Cai, Yuliang, et al.
Veröffentlicht: (2024)

Cause-Effect Driven Optimization for Robust Medical Visual Question Answering with Language Biases
von: Zhu, Huanjia, et al.
Veröffentlicht: (2025)

WSI-VQA: Interpreting Whole Slide Images by Generative Visual Question Answering
von: Chen, Pingyi, et al.
Veröffentlicht: (2024)

Free Form Medical Visual Question Answering in Radiology
von: Narayanan, Abhishek, et al.
Veröffentlicht: (2024)

Saliency Guided Longitudinal Medical Visual Question Answering
von: Wu, Jialin, et al.
Veröffentlicht: (2025)

Multi-Sourced Compositional Generalization in Visual Question Answering
von: Li, Chuanhao, et al.
Veröffentlicht: (2025)

FuseFormer: A Transformer for Visual and Thermal Image Fusion
von: Erdogan, Aytekin, et al.
Veröffentlicht: (2024)

Hallucination Benchmark in Medical Visual Question Answering
von: Wu, Jinge, et al.
Veröffentlicht: (2024)

DermaBench: A Clinician-Annotated Benchmark Dataset for Dermatology Visual Question Answering and Reasoning
von: Yilmaz, Abdurrahim, et al.
Veröffentlicht: (2026)

FIQ: Fundamental Question Generation with the Integration of Question Embeddings for Video Question Answering
von: Oh, Ju-Young, et al.
Veröffentlicht: (2025)

FaithSCAN: Model-Driven Single-Pass Hallucination Detection for Faithful Visual Question Answering
von: Tong, Chaodong, et al.
Veröffentlicht: (2026)

Evaluating Image Hallucination in Text-to-Image Generation with Question-Answering
von: Lim, Youngsun, et al.
Veröffentlicht: (2024)

VQA$^2$: Visual Question Answering for Video Quality Assessment
von: Jia, Ziheng, et al.
Veröffentlicht: (2024)

Variational Visual Question Answering for Uncertainty-Aware Selective Prediction
von: Wieczorek, Tobias Jan, et al.
Veröffentlicht: (2025)

Fine-Grained Knowledge Structuring and Retrieval for Visual Question Answering
von: Zhang, Zhengxuan, et al.
Veröffentlicht: (2025)

Wasserstein Equilibrium Decoding for Reliable Medical Visual Question Answering
von: Hagen, Luca, et al.
Veröffentlicht: (2026)

Location-Aware Pretraining for Medical Difference Visual Question Answering
von: Musinguzi, Denis, et al.
Veröffentlicht: (2026)

Meta-Adaptive Prompt Distillation for Few-Shot Visual Question Answering
von: Gupta, Akash, et al.
Veröffentlicht: (2025)

MedLVR: Latent Visual Reasoning for Reliable Medical Visual Question Answering
von: Xi, Suyang, et al.
Veröffentlicht: (2026)

Parameter-Efficient VLMs for Gastrointestinal Endoscopy: Medical Image Generation and Clinical Visual Question Answering
von: Peter, Ojonugwa Oluwafemi Ejiga, et al.
Veröffentlicht: (2026)

LingoQA: Visual Question Answering for Autonomous Driving
von: Marcu, Ana-Maria, et al.
Veröffentlicht: (2023)

Pyramid Coder: Hierarchical Code Generator for Compositional Visual Question Answering
von: Shen, Ruoyue, et al.
Veröffentlicht: (2024)

IIU: Independent Inference Units for Knowledge-based Visual Question Answering
von: Li, Yili, et al.
Veröffentlicht: (2024)

Progressive Multimodal Search and Reasoning for Knowledge-Intensive Visual Question Answering
von: Choi, Changin, et al.
Veröffentlicht: (2025)

Hierarchical Modeling for Medical Visual Question Answering with Cross-Attention Fusion
von: Zhang, Junkai, et al.
Veröffentlicht: (2025)

Exploring the Application of Visual Question Answering (VQA) for Classroom Activity Monitoring
von: Vu, Sinh Trong, et al.
Veröffentlicht: (2025)

Thought-For-Food: Reasoning Chain Induced Food Visual Question Answering
von: Jain, Riddhi, et al.
Veröffentlicht: (2025)