μ-Bench: A Vision-Language Benchmark for Microscopy Understanding
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Lozano, Alejandro, Nirschl, Jeffrey, Burgess, James, Gupte, Sanket Rajan, Zhang, Yuhui, Unell, Alyssa, Yeung-Levy, Serena |
|---|---|
| Format: | Preprint |
| Publié: |
2024
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Revisiting Active Learning in the Era of Vision Foundation Models
par: Gupte, Sanket Rajan, et autres
Publié: (2024)
par: Gupte, Sanket Rajan, et autres
Publié: (2024)
The Impact of Image Resolution on Biomedical Multimodal Large Language Models
par: Chen, Liangyu, et autres
Publié: (2025)
par: Chen, Liangyu, et autres
Publié: (2025)
Why are Visually-Grounded Language Models Bad at Image Classification?
par: Zhang, Yuhui, et autres
Publié: (2024)
par: Zhang, Yuhui, et autres
Publié: (2024)
MicroVQA: A Multimodal Reasoning Benchmark for Microscopy-Based Scientific Research
par: Burgess, James, et autres
Publié: (2025)
par: Burgess, James, et autres
Publié: (2025)
NegVQA: Can Vision Language Models Understand Negation?
par: Zhang, Yuhui, et autres
Publié: (2025)
par: Zhang, Yuhui, et autres
Publié: (2025)
Foundation Models Secretly Understand Neural Network Weights: Enhancing Hypernetwork Architectures with Foundation Models
par: Gu, Jeffrey, et autres
Publié: (2025)
par: Gu, Jeffrey, et autres
Publié: (2025)
BIOMEDICA: An Open Biomedical Image-Caption Archive, Dataset, and Vision-Language Models Derived from Scientific Literature
par: Lozano, Alejandro, et autres
Publié: (2025)
par: Lozano, Alejandro, et autres
Publié: (2025)
CellFlux: Simulating Cellular Morphology Changes via Flow Matching
par: Zhang, Yuhui, et autres
Publié: (2025)
par: Zhang, Yuhui, et autres
Publié: (2025)
No Tokens Wasted: Leveraging Long Context in Biomedical Vision-Language Models
par: Sun, Min Woo, et autres
Publié: (2025)
par: Sun, Min Woo, et autres
Publié: (2025)
Video Action Differencing
par: Burgess, James, et autres
Publié: (2025)
par: Burgess, James, et autres
Publié: (2025)
VideoAgent: Long-form Video Understanding with Large Language Model as Agent
par: Wang, Xiaohan, et autres
Publié: (2024)
par: Wang, Xiaohan, et autres
Publié: (2024)
Zero-shot Action Localization via the Confidence of Large Vision-Language Models
par: Aklilu, Josiah, et autres
Publié: (2024)
par: Aklilu, Josiah, et autres
Publié: (2024)
Feather the Throttle: Revisiting Visual Token Pruning for Vision-Language Model Acceleration
par: Endo, Mark, et autres
Publié: (2024)
par: Endo, Mark, et autres
Publié: (2024)
Viewpoint Textual Inversion: Discovering Scene Representations and 3D View Control in 2D Diffusion Models
par: Burgess, James, et autres
Publié: (2023)
par: Burgess, James, et autres
Publié: (2023)
Automated Generation of Challenging Multiple-Choice Questions for Vision Language Model Evaluation
par: Zhang, Yuhui, et autres
Publié: (2025)
par: Zhang, Yuhui, et autres
Publié: (2025)
Connect, Collapse, Corrupt: Learning Cross-Modal Tasks with Uni-Modal Data
par: Zhang, Yuhui, et autres
Publié: (2024)
par: Zhang, Yuhui, et autres
Publié: (2024)
Downscaling Intelligence: Exploring Perception and Reasoning Bottlenecks in Small Multimodal Models
par: Endo, Mark, et autres
Publié: (2025)
par: Endo, Mark, et autres
Publié: (2025)
Just Shift It: Test-Time Prototype Shifting for Zero-Shot Generalization with Vision-Language Models
par: Sui, Elaine, et autres
Publié: (2024)
par: Sui, Elaine, et autres
Publié: (2024)
DeforHMR: Vision Transformer with Deformable Cross-Attention for 3D Human Mesh Recovery
par: Heo, Jaewoo, et autres
Publié: (2024)
par: Heo, Jaewoo, et autres
Publié: (2024)
Uncertainty-Aware Image Classification In Biomedical Imaging Using Spectral-normalized Neural Gaussian Processes
par: Meleti, Uma, et autres
Publié: (2026)
par: Meleti, Uma, et autres
Publié: (2026)
Seeing Is Believing? A Benchmark for Multimodal Large Language Models on Visual Illusions and Anomalies
par: Hou, Wenjin, et autres
Publié: (2026)
par: Hou, Wenjin, et autres
Publié: (2026)
SciVideoBench: Benchmarking Scientific Video Reasoning in Large Multimodal Models
par: Deng, Andong, et autres
Publié: (2025)
par: Deng, Andong, et autres
Publié: (2025)
Continuous Perception Matters: Diagnosing Temporal Integration Failures in Multimodal Models
par: Wang, Zeyu, et autres
Publié: (2024)
par: Wang, Zeyu, et autres
Publié: (2024)
Multi-Human Mesh Recovery with Transformers
par: Wang, Zeyu, et autres
Publié: (2024)
par: Wang, Zeyu, et autres
Publié: (2024)
From Panel to Pixel: Zoom-In Vision-Language Pretraining from Biomedical Scientific Literature
par: Yuan, Kun, et autres
Publié: (2025)
par: Yuan, Kun, et autres
Publié: (2025)
Temporal Preference Optimization for Long-Form Video Understanding
par: Li, Rui, et autres
Publié: (2025)
par: Li, Rui, et autres
Publié: (2025)
Data or Language Supervision: What Makes CLIP Better than DINO?
par: Liu, Yiming, et autres
Publié: (2025)
par: Liu, Yiming, et autres
Publié: (2025)
CryoHype: Reconstructing a thousand cryo-EM structures with transformer-based hypernetworks
par: Gu, Jeffrey, et autres
Publié: (2025)
par: Gu, Jeffrey, et autres
Publié: (2025)
Fine-tuning MLLMs Without Forgetting Is Easier Than You Think
par: Li, He, et autres
Publié: (2026)
par: Li, He, et autres
Publié: (2026)
TTRV: Test-Time Reinforcement Learning for Vision Language Models
par: Singh, Akshit, et autres
Publié: (2025)
par: Singh, Akshit, et autres
Publié: (2025)
Diffusion-HPC: Synthetic Data Generation for Human Mesh Recovery in Challenging Domains
par: Weng, Zhenzhen, et autres
Publié: (2023)
par: Weng, Zhenzhen, et autres
Publié: (2023)
Systematic Evaluation of Large Vision-Language Models for Surgical Artificial Intelligence
par: Rau, Anita, et autres
Publié: (2025)
par: Rau, Anita, et autres
Publié: (2025)
V-GRPO: Online Reinforcement Learning for Denoising Generative Models Is Easier than You Think
par: Tang, Bingda, et autres
Publié: (2026)
par: Tang, Bingda, et autres
Publié: (2026)
MotionBench: Benchmarking and Improving Fine-grained Video Motion Understanding for Vision Language Models
par: Hong, Wenyi, et autres
Publié: (2025)
par: Hong, Wenyi, et autres
Publié: (2025)
VULCA-Bench: A Multicultural Vision-Language Benchmark for Evaluating Cultural Understanding
par: Yu, Haorui, et autres
Publié: (2026)
par: Yu, Haorui, et autres
Publié: (2026)
AgroBench: Vision-Language Model Benchmark in Agriculture
par: Shinoda, Risa, et autres
Publié: (2025)
par: Shinoda, Risa, et autres
Publié: (2025)
ArtifactLens: Hundreds of Labels Are Enough for Artifact Detection with VLMs
par: Burgess, James, et autres
Publié: (2026)
par: Burgess, James, et autres
Publié: (2026)
IllusionBench+: A Large-scale and Comprehensive Benchmark for Visual Illusion Understanding in Vision-Language Models
par: Zhang, Yiming, et autres
Publié: (2025)
par: Zhang, Yiming, et autres
Publié: (2025)
VLAgeBench: Benchmarking Large Vision-Language Models for Zero-Shot Human Age Estimation
par: Sajib, Rakib Hossain, et autres
Publié: (2026)
par: Sajib, Rakib Hossain, et autres
Publié: (2026)
Transductive Visual Programming: Evolving Tool Libraries from Experience for Spatial Reasoning
par: Wu, Shengguang, et autres
Publié: (2025)
par: Wu, Shengguang, et autres
Publié: (2025)
Documents similaires
-
Revisiting Active Learning in the Era of Vision Foundation Models
par: Gupte, Sanket Rajan, et autres
Publié: (2024) -
The Impact of Image Resolution on Biomedical Multimodal Large Language Models
par: Chen, Liangyu, et autres
Publié: (2025) -
Why are Visually-Grounded Language Models Bad at Image Classification?
par: Zhang, Yuhui, et autres
Publié: (2024) -
MicroVQA: A Multimodal Reasoning Benchmark for Microscopy-Based Scientific Research
par: Burgess, James, et autres
Publié: (2025) -
NegVQA: Can Vision Language Models Understand Negation?
par: Zhang, Yuhui, et autres
Publié: (2025)