Buchumschlag

No Filter: Cultural and Socioeconomic Diversity in Contrastive Vision-Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Pouget, Angéline, Beyer, Lucas, Bugliarello, Emanuele, Wang, Xiao, Steiner, Andreas Peter, Zhai, Xiaohua, Alabdulmohsin, Ibrahim
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

Getting ViT in Shape: Scaling Laws for Compute-Optimal Model Design
von: Alabdulmohsin, Ibrahim, et al.
Veröffentlicht: (2023)

Scaling Pre-training to One Hundred Billion Data for Vision Language Models
von: Wang, Xiao, et al.
Veröffentlicht: (2025)

LocCa: Visual Pretraining with Location-aware Captioners
von: Wan, Bo, et al.
Veröffentlicht: (2024)

PaliGemma 2: A Family of Versatile VLMs for Transfer
von: Steiner, Andreas, et al.
Veröffentlicht: (2024)

SigLIP 2: Multilingual Vision-Language Encoders with Improved Semantic Understanding, Localization, and Dense Features
von: Tschannen, Michael, et al.
Veröffentlicht: (2025)

What Are You Doing? A Closer Look at Controllable Human Video Generation
von: Bugliarello, Emanuele, et al.
Veröffentlicht: (2025)

Modeling Caption Diversity in Contrastive Vision-Language Pretraining
von: Lavoie, Samuel, et al.
Veröffentlicht: (2024)

Recursive Inference Scaling: A Winning Path to Scalable Inference in Language and Multimodal Systems
von: Alabdulmohsin, Ibrahim, et al.
Veröffentlicht: (2025)

Beyond General Prompts: Automated Prompt Refinement using Contrastive Class Alignment Scores for Disambiguating Objects in Vision-Language Models
von: Choi, Lucas, et al.
Veröffentlicht: (2025)

Contrastive Pretraining for Visual Concept Explanations of Socioeconomic Outcomes
von: Obadic, Ivica, et al.
Veröffentlicht: (2024)

Uncovering Cultural Representation Disparities in Vision-Language Models
von: Kadiyala, Ram Mohan Rao, et al.
Veröffentlicht: (2025)

A Tale of Two Structures: Do LLMs Capture the Fractal Complexity of Language?
von: Alabdulmohsin, Ibrahim, et al.
Veröffentlicht: (2025)

PaliGemma: A versatile 3B VLM for transfer
von: Beyer, Lucas, et al.
Veröffentlicht: (2024)

The Bias of Harmful Label Associations in Vision-Language Models
von: Hazirbas, Caner, et al.
Veröffentlicht: (2024)

Diversity Covariance-Aware Prompt Learning for Vision-Language Models
von: Dong, Songlin, et al.
Veröffentlicht: (2025)

Cultural Counterfactuals: Evaluating Cultural Biases in Large Vision-Language Models with Counterfactual Examples
von: Howard, Phillip, et al.
Veröffentlicht: (2026)

Hallucination Filtering in Radiology Vision-Language Models Using Discrete Semantic Entropy
von: Wienholt, Patrick, et al.
Veröffentlicht: (2025)

Dynamic Classifier-Free Diffusion Guidance via Online Feedback
von: Papalampidi, Pinelopi, et al.
Veröffentlicht: (2025)

WAON: A Large-Scale Japanese Image-Text Dataset for Cultural Adaptation in Contrastive Vision-Language Models
von: Sugiura, Issa, et al.
Veröffentlicht: (2025)

Turbo: Informativity-Driven Acceleration Plug-In for Vision-Language Large Models
von: Ju, Chen, et al.
Veröffentlicht: (2024)

Temporal Contrastive Learning for Video Temporal Reasoning in Large Vision-Language Models
von: Souza, Rafael, et al.
Veröffentlicht: (2024)

CAT: Contrastive Adversarial Training for Evaluating the Robustness of Protective Perturbations in Latent Diffusion Models
von: Peng, Sen, et al.
Veröffentlicht: (2025)

Toward a Diffusion-Based Generalist for Dense Vision Tasks
von: Fan, Yue, et al.
Veröffentlicht: (2024)

FedAPT: Federated Adversarial Prompt Tuning for Vision-Language Models
von: Zhai, Kun, et al.
Veröffentlicht: (2025)

Evaluation of Cultural Competence of Vision-Language Models
von: Yadav, Srishti, et al.
Veröffentlicht: (2025)

Towards Highly Transferable Vision-Language Attack via Semantic-Augmented Dynamic Contrastive Interaction
von: Li, Yuanbo, et al.
Veröffentlicht: (2026)

Cross-Image Contrastive Decoding: Precise, Lossless Suppression of Language Priors in Large Vision-Language Models
von: Zhao, Jianfei, et al.
Veröffentlicht: (2025)

Extending Large Vision-Language Model for Diverse Interactive Tasks in Autonomous Driving
von: Zhao, Zongchuang, et al.
Veröffentlicht: (2025)

SDRT: Enhance Vision-Language Models by Self-Distillation with Diverse Reasoning Traces
von: Wu, Guande, et al.
Veröffentlicht: (2025)

CLoVe: Encoding Compositional Language in Contrastive Vision-Language Models
von: Castro, Santiago, et al.
Veröffentlicht: (2024)

SECOND: Mitigating Perceptual Hallucination in Vision-Language Models via Selective and Contrastive Decoding
von: Park, Woohyeon, et al.
Veröffentlicht: (2025)

Test-time Contrastive Concepts for Open-world Semantic Segmentation with Vision-Language Models
von: Wysoczańska, Monika, et al.
Veröffentlicht: (2024)

UrbanVLP: Multi-Granularity Vision-Language Pretraining for Urban Socioeconomic Indicator Prediction
von: Hao, Xixuan, et al.
Veröffentlicht: (2024)

Mitigating Cache Noise in Test-Time Adaptation for Large Vision-Language Models
von: Zhai, Haotian, et al.
Veröffentlicht: (2025)

Retrieval-Enhanced Contrastive Vision-Text Models
von: Iscen, Ahmet, et al.
Veröffentlicht: (2023)

Unifying Visual and Vision-Language Tracking via Contrastive Learning
von: Ma, Yinchao, et al.
Veröffentlicht: (2024)

CLIPTTA: Robust Contrastive Vision-Language Test-Time Adaptation
von: Lafon, Marc, et al.
Veröffentlicht: (2025)

Trajectory-Diversity-Driven Robust Vision-and-Language Navigation
von: Li, Jiangyang, et al.
Veröffentlicht: (2026)

Vision-Language Model for Accurate Crater Detection
von: Bauer, Patrick, et al.
Veröffentlicht: (2026)

Class-Aware Prototype Learning with Negative Contrast for Test-Time Adaptation of Vision-Language Models
von: Qiao, Xiaozhen, et al.
Veröffentlicht: (2025)