Do Vision-Language Foundational models show Robust Visual Perception?
Fuente:
arXiv
Salvato in:
| Autori principali: | Chandhok, Shivam, Tandon, Pranav |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2024
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
SceneGPT: A Language Model for 3D Scene Understanding
di: Chandhok, Shivam
Pubblicazione: (2024)
di: Chandhok, Shivam
Pubblicazione: (2024)
Response Wide Shut: Surprising Observations in Basic Vision Language Model Capabilities
di: Chandhok, Shivam, et al.
Pubblicazione: (2024)
di: Chandhok, Shivam, et al.
Pubblicazione: (2024)
Test-Time Consistency in Vision Language Models
di: Chou, Shih-Han, et al.
Pubblicazione: (2025)
di: Chou, Shih-Han, et al.
Pubblicazione: (2025)
MM-R$^3$: On (In-)Consistency of Vision-Language Models (VLMs)
di: Chou, Shih-Han, et al.
Pubblicazione: (2024)
di: Chou, Shih-Han, et al.
Pubblicazione: (2024)
Do Thought Streams Matter? Evaluating Reasoning in Gemini Vision-Language Models for Video Scene Understanding
di: Sharma, Shivam, et al.
Pubblicazione: (2026)
di: Sharma, Shivam, et al.
Pubblicazione: (2026)
Learning What Matters: Prioritized Concept Learning via Relative Error-driven Sample Selection
di: Chandhok, Shivam, et al.
Pubblicazione: (2025)
di: Chandhok, Shivam, et al.
Pubblicazione: (2025)
Same or Not? Enhancing Visual Perception in Vision-Language Models
di: Marsili, Damiano, et al.
Pubblicazione: (2025)
di: Marsili, Damiano, et al.
Pubblicazione: (2025)
DSeq-JEPA: Discriminative Sequential Joint-Embedding Predictive Architecture
di: He, Xiangteng, et al.
Pubblicazione: (2025)
di: He, Xiangteng, et al.
Pubblicazione: (2025)
Quality Text, Robust Vision: The Role of Language in Enhancing Visual Robustness of Vision-Language Models
di: Waseda, Futa, et al.
Pubblicazione: (2025)
di: Waseda, Futa, et al.
Pubblicazione: (2025)
Do Vision-Language Models Really Understand Visual Language?
di: Hou, Yifan, et al.
Pubblicazione: (2024)
di: Hou, Yifan, et al.
Pubblicazione: (2024)
ShapeCodeBench: A Renewable Benchmark for Perception-to-Program Reconstruction of Synthetic Shape Scenes
di: Kumar, Shivam
Pubblicazione: (2026)
di: Kumar, Shivam
Pubblicazione: (2026)
Do Vision-Language Models Understand Visual Persuasiveness?
di: Park, Gyuwon
Pubblicazione: (2025)
di: Park, Gyuwon
Pubblicazione: (2025)
Do Vision-Language Transformers Exhibit Visual Commonsense? An Empirical Study of VCR
di: Li, Zhenyang, et al.
Pubblicazione: (2024)
di: Li, Zhenyang, et al.
Pubblicazione: (2024)
TransNeXt: Robust Foveal Visual Perception for Vision Transformers
di: Shi, Dai
Pubblicazione: (2023)
di: Shi, Dai
Pubblicazione: (2023)
Investigate the Low-level Visual Perception in Vision-Language based Image Quality Assessment
di: Li, Yuan, et al.
Pubblicazione: (2025)
di: Li, Yuan, et al.
Pubblicazione: (2025)
Mirage: Unveiling Hidden Artifacts in Synthetic Images with Large Vision-Language Models
di: Sharma, Pranav, et al.
Pubblicazione: (2025)
di: Sharma, Pranav, et al.
Pubblicazione: (2025)
Do Vision-Language Models See Urban Scenes as People Do? An Urban Perception Benchmark
di: Mushkani, Rashid
Pubblicazione: (2025)
di: Mushkani, Rashid
Pubblicazione: (2025)
Refining Skewed Perceptions in Vision-Language Contrastive Models through Visual Representations
di: Dai, Haocheng, et al.
Pubblicazione: (2024)
di: Dai, Haocheng, et al.
Pubblicazione: (2024)
Leveraging Visual Signals for Robust Token-Level Uncertainty in Vision-Language Generation
di: Hoche, Joseph, et al.
Pubblicazione: (2026)
di: Hoche, Joseph, et al.
Pubblicazione: (2026)
Do VLMs Perceive or Recall? Probing Visual Perception vs. Memory with Classic Visual Illusions
di: Sun, Xiaoxiao, et al.
Pubblicazione: (2026)
di: Sun, Xiaoxiao, et al.
Pubblicazione: (2026)
Temporal-Guided Visual Foundation Models for Event-Based Vision
di: Xia, Ruihao, et al.
Pubblicazione: (2025)
di: Xia, Ruihao, et al.
Pubblicazione: (2025)
DynamicVis: Dynamic Visual Perception for Efficient Remote Sensing Foundation Models
di: Chen, Keyan, et al.
Pubblicazione: (2025)
di: Chen, Keyan, et al.
Pubblicazione: (2025)
UAV-VLN: End-to-End Vision Language guided Navigation for UAVs
di: Saxena, Pranav, et al.
Pubblicazione: (2025)
di: Saxena, Pranav, et al.
Pubblicazione: (2025)
VISTA-Bench: Do Vision-Language Models Really Understand Visualized Text as Well as Pure Text?
di: Liu, Qing'an, et al.
Pubblicazione: (2026)
di: Liu, Qing'an, et al.
Pubblicazione: (2026)
ZING-3D: Zero-shot Incremental 3D Scene Graphs via Vision-Language Models
di: Saxena, Pranav, et al.
Pubblicazione: (2025)
di: Saxena, Pranav, et al.
Pubblicazione: (2025)
Visual Perception by Large Language Model's Weights
di: Ma, Feipeng, et al.
Pubblicazione: (2024)
di: Ma, Feipeng, et al.
Pubblicazione: (2024)
EPIC-Bench: A Perception-Centric Benchmark for Fine-Grained Embodied Visual Grounding in Vision-Language Models
di: Shan, Haozhe, et al.
Pubblicazione: (2026)
di: Shan, Haozhe, et al.
Pubblicazione: (2026)
Vision-RWKV: Efficient and Scalable Visual Perception with RWKV-Like Architectures
di: Duan, Yuchen, et al.
Pubblicazione: (2024)
di: Duan, Yuchen, et al.
Pubblicazione: (2024)
Robust SAM: On the Adversarial Robustness of Vision Foundation Models
di: Long, Jiahuan, et al.
Pubblicazione: (2025)
di: Long, Jiahuan, et al.
Pubblicazione: (2025)
Do You See What I Say? Generalizable Deepfake Detection based on Visual Speech Recognition
di: Bora, Maheswar, et al.
Pubblicazione: (2025)
di: Bora, Maheswar, et al.
Pubblicazione: (2025)
Test-Time Canonicalization by Foundation Models for Robust Perception
di: Singhal, Utkarsh, et al.
Pubblicazione: (2025)
di: Singhal, Utkarsh, et al.
Pubblicazione: (2025)
Improving Robustness of Vision-Language-Action Models by Restoring Corrupted Visual Inputs
di: Orjuela, Daniel Yezid Guarnizo, et al.
Pubblicazione: (2026)
di: Orjuela, Daniel Yezid Guarnizo, et al.
Pubblicazione: (2026)
AD-SAM: Fine-Tuning the Segment Anything Vision Foundation Model for Autonomous Driving Perception
di: Camarena, Mario, et al.
Pubblicazione: (2025)
di: Camarena, Mario, et al.
Pubblicazione: (2025)
VisOnlyQA: Large Vision Language Models Still Struggle with Visual Perception of Geometric Information
di: Kamoi, Ryo, et al.
Pubblicazione: (2024)
di: Kamoi, Ryo, et al.
Pubblicazione: (2024)
AR as an Evaluation Playground: Bridging Metrics and Visual Perception of Computer Vision Models
di: Ganj, Ashkan, et al.
Pubblicazione: (2025)
di: Ganj, Ashkan, et al.
Pubblicazione: (2025)
VisionReasoner: Unified Reasoning-Integrated Visual Perception via Reinforcement Learning
di: Liu, Yuqi, et al.
Pubblicazione: (2025)
di: Liu, Yuqi, et al.
Pubblicazione: (2025)
Double Visual Defense: Adversarial Pre-training and Instruction Tuning for Improving Vision-Language Model Robustness
di: Wang, Zeyu, et al.
Pubblicazione: (2025)
di: Wang, Zeyu, et al.
Pubblicazione: (2025)
Do we Really Need Visual Instructions? Towards Visual Instruction-Free Fine-tuning for Large Vision-Language Models
di: Liu, Zikang, et al.
Pubblicazione: (2025)
di: Liu, Zikang, et al.
Pubblicazione: (2025)
Adapting Vision Foundation Models for Robust Cloud Segmentation in Remote Sensing Images
di: Zou, Xuechao, et al.
Pubblicazione: (2024)
di: Zou, Xuechao, et al.
Pubblicazione: (2024)
Do You See Me : A Multidimensional Benchmark for Evaluating Visual Perception in Multimodal LLMs
di: Kanade, Aditya, et al.
Pubblicazione: (2025)
di: Kanade, Aditya, et al.
Pubblicazione: (2025)
Documenti analoghi
-
SceneGPT: A Language Model for 3D Scene Understanding
di: Chandhok, Shivam
Pubblicazione: (2024) -
Response Wide Shut: Surprising Observations in Basic Vision Language Model Capabilities
di: Chandhok, Shivam, et al.
Pubblicazione: (2024) -
Test-Time Consistency in Vision Language Models
di: Chou, Shih-Han, et al.
Pubblicazione: (2025) -
MM-R$^3$: On (In-)Consistency of Vision-Language Models (VLMs)
di: Chou, Shih-Han, et al.
Pubblicazione: (2024) -
Do Thought Streams Matter? Evaluating Reasoning in Gemini Vision-Language Models for Video Scene Understanding
di: Sharma, Shivam, et al.
Pubblicazione: (2026)