Buchumschlag

ARPA: A Novel Hybrid Model for Advancing Visual Word Disambiguation Using Large Language Models and Transformers

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Papastavrou, Aristi, Lymperaiou, Maria, Stamou, Giorgos
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Large Language Models and Multimodal Retrieval for Visual Word Sense Disambiguation
von: Kritharoula, Anastasia, et al.
Veröffentlicht: (2023)

The Contribution of Knowledge in Visiolinguistic Learning: A Survey on Tasks and Challenges
von: Lymperaiou, Maria, et al.
Veröffentlicht: (2023)

Language Models as Knowledge Bases for Visual Word Sense Disambiguation
von: Kritharoula, Anastasia, et al.
Veröffentlicht: (2023)

Masked Generative Story Transformer with Character Guidance and Caption Augmentation
von: Papadimitriou, Christos, et al.
Veröffentlicht: (2024)

Automatic Generation of Fashion Images using Prompting in Generative Machine Learning Models
von: Argyrou, Georgia, et al.
Veröffentlicht: (2024)

Fine-Grained ImageNet Classification in the Wild
von: Lymperaiou, Maria, et al.
Veröffentlicht: (2023)

SCENIR: Visual Semantic Clarity through Unsupervised Scene Graph Retrieval
von: Chaidos, Nikolaos, et al.
Veröffentlicht: (2025)

Counterfactual Edits for Generative Evaluation
von: Lymperaiou, Maria, et al.
Veröffentlicht: (2023)

Prompt2Fashion: An automatically generated fashion dataset
von: Argyrou, Georgia, et al.
Veröffentlicht: (2024)

V-CECE: Visual Counterfactual Explanations via Conceptual Edits
von: Spanos, Nikolaos, et al.
Veröffentlicht: (2025)

U-CECE: A Universal Multi-Resolution Framework for Conceptual Counterfactual Explanations
von: Dimitriou, Angeliki, et al.
Veröffentlicht: (2026)

HalCECE: A Framework for Explainable Hallucination Detection through Conceptual Counterfactuals in Image Captioning
von: Lymperaiou, Maria, et al.
Veröffentlicht: (2025)

Structure Your Data: Towards Semantic Graph Counterfactuals
von: Dimitriou, Angeliki, et al.
Veröffentlicht: (2024)

Reasoning or Pattern Matching? Probing Large Vision-Language Models with Visual Puzzles
von: Lymperaiou, Maria, et al.
Veröffentlicht: (2026)

Designing Practical Models for Isolated Word Visual Speech Recognition
von: Panagos, Iason Ioannis, et al.
Veröffentlicht: (2025)

Bridging Lexical Ambiguity and Vision: A Mini Review on Visual Word Sense Disambiguation
von: Nilukshi, Shashini, et al.
Veröffentlicht: (2026)

Puzzle Solving using Reasoning of Large Language Models: A Survey
von: Giadikiaroglou, Panagiotis, et al.
Veröffentlicht: (2024)

Conceptual Contrastive Edits in Textual and Vision-Language Retrieval
von: Lymperaiou, Maria, et al.
Veröffentlicht: (2025)

Evaluating Counterfactual Strategic Reasoning in Large Language Models
von: Georgousis, Dimitrios, et al.
Veröffentlicht: (2026)

Pitfalls of Scale: Investigating the Inverse Task of Redefinition in Large Language Models
von: Stringli, Elena, et al.
Veröffentlicht: (2025)

Indexing Multimodal Language Models for Large-scale Image Retrieval
von: Tharwat, Bahey, et al.
Veröffentlicht: (2026)

RISCORE: Enhancing In-Context Riddle Solving in Language Models through Context-Reconstructed Example Augmentation
von: Panagiotopoulos, Ioannis, et al.
Veröffentlicht: (2024)

Knowledge-Based Counterfactual Queries for Visual Question Answering
von: Stoikou, Theodoti, et al.
Veröffentlicht: (2023)

AILS-NTUA at SemEval-2024 Task 9: Cracking Brain Teasers: Transformer Models for Lateral Thinking Puzzles
von: Panagiotopoulos, Ioannis, et al.
Veröffentlicht: (2024)

HallusionBench: An Advanced Diagnostic Suite for Entangled Language Hallucination and Visual Illusion in Large Vision-Language Models
von: Guan, Tianrui, et al.
Veröffentlicht: (2023)

Exploring Advanced Large Language Models with LLMsuite
von: Roffo, Giorgio
Veröffentlicht: (2024)

VLMs Need Words: Vision Language Models Ignore Visual Detail In Favor of Semantic Anchors
von: Shahgir, Haz Sameen, et al.
Veröffentlicht: (2026)

Enhancing adversarial robustness in Natural Language Inference using explanations
von: Koulakos, Alexandros, et al.
Veröffentlicht: (2024)

Seeing Beyond Words: Self-Supervised Visual Learning for Multimodal Large Language Models
von: Caffagni, Davide, et al.
Veröffentlicht: (2025)

Visual In-Context Learning for Large Vision-Language Models
von: Zhou, Yucheng, et al.
Veröffentlicht: (2024)

Advancing Large Multi-modal Models with Explicit Chain-of-Reasoning and Visual Question Generation
von: Uehara, Kohei, et al.
Veröffentlicht: (2024)

Task-Aware Resolution Optimization for Visual Large Language Models
von: Luo, Weiqing, et al.
Veröffentlicht: (2025)

MaVEn: An Effective Multi-granularity Hybrid Visual Encoding Framework for Multimodal Large Language Model
von: Jiang, Chaoya, et al.
Veröffentlicht: (2024)

A Comprehensive Analysis for Visual Object Hallucination in Large Vision-Language Models
von: Jing, Liqiang, et al.
Veröffentlicht: (2025)

WordArt Designer API: User-Driven Artistic Typography Synthesis with Large Language Models on ModelScope
von: He, Jun-Yan, et al.
Veröffentlicht: (2024)

AILS-NTUA at SemEval-2025 Task 3: Leveraging Large Language Models and Translation Strategies for Multilingual Hallucination Detection
von: Karkani, Dimitra, et al.
Veröffentlicht: (2025)

Large Vision-Language Models for Remote Sensing Visual Question Answering
von: Siripong, Surasakdi, et al.
Veröffentlicht: (2024)

PAKTON: A Multi-Agent Framework for Question Answering in Long Legal Agreements
von: Raptopoulos, Petros, et al.
Veröffentlicht: (2025)

Words That Make Language Models Perceive
von: Wang, Sophie L., et al.
Veröffentlicht: (2025)

Rethinking Visual Dependency in Long-Context Reasoning for Large Vision-Language Models
von: Zhou, Yucheng, et al.
Veröffentlicht: (2024)