Buchumschlag

JourneyBench: A Challenging One-Stop Vision-Language Understanding Benchmark of Generated Images

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Zhecan, Liu, Junzhang, Tang, Chia-Wei, Alomari, Hani, Sivakumar, Anushka, Sun, Rui, Li, Wenhao, Atabuzzaman, Md., Ayyubi, Hammad, You, Haoxuan, Ishmam, Alvi, Chang, Kai-Wei, Chang, Shih-Fu, Thomas, Chris
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 Multimodal Situations with Insufficient Context and Abstaining from Baseless Predictions
von: Liu, Junzhang, et al.
Veröffentlicht: (2024)

ENTER: Event Based Interpretable Reasoning for VideoQA
von: Ayyubi, Hammad, et al.
Veröffentlicht: (2025)

PuzzleGPT: Emulating Human Puzzle-Solving Ability for Time and Location Prediction
von: Ayyubi, Hammad, et al.
Veröffentlicht: (2025)

IdealGPT: Iteratively Decomposing Vision and Language Reasoning via Large Language Models
von: You, Haoxuan, et al.
Veröffentlicht: (2023)

Maximal Matching Matters: Preventing Representation Collapse for Robust Cross-Modal Retrieval
von: Alomari, Hani, et al.
Veröffentlicht: (2025)

UniFine: A Unified and Fine-grained Approach for Zero-shot Vision-Language Understanding
von: Wang, Zhecan, et al.
Veröffentlicht: (2023)

RAP: Retrieval-Augmented Planner for Adaptive Procedure Planning in Instructional Videos
von: Zare, Ali, et al.
Veröffentlicht: (2024)

Semantic Shield: Defending Vision-Language Models Against Backdooring and Poisoning via Fine-grained Knowledge Alignment
von: Ishmam, Alvi Md, et al.
Veröffentlicht: (2024)

Benchmarking and Mitigating MCQA Selection Bias of Large Vision-Language Models
von: Atabuzzaman, Md., et al.
Veröffentlicht: (2025)

Zero-Shot Fine-Grained Image Classification Using Large Vision-Language Models
von: Atabuzzaman, Md., et al.
Veröffentlicht: (2025)

LAMP: Learning Universal Adversarial Perturbations for Multi-Image Tasks via Pre-trained Models
von: Ishmam, Alvi Md, et al.
Veröffentlicht: (2026)

SoundBreak: A Systematic Study of Audio-Only Adversarial Attacks on Trimodal Models
von: Hussain, Aafiya, et al.
Veröffentlicht: (2026)

SteerVLM: Robust Model Control through Lightweight Activation Steering for Vision Language Models
von: Sivakumar, Anushka, et al.
Veröffentlicht: (2025)

Flexible-length Text Infilling for Discrete Diffusion Models
von: Zhang, Andrew, et al.
Veröffentlicht: (2025)

Video Summarization: Towards Entity-Aware Captions
von: Ayyubi, Hammad A., et al.
Veröffentlicht: (2023)

Arabic Sentiment Analysis with Noisy Deep Explainable Model
von: Atabuzzaman, Md., et al.
Veröffentlicht: (2023)

What Matters in Explanations: Towards Explainable Fake Review Detection Focusing on Transformers
von: Shajalal, Md, et al.
Veröffentlicht: (2024)

TimeWarp: Evaluating Web Agents by Revisiting the Past
von: Ishmam, Md Farhan, et al.
Veröffentlicht: (2026)

Generalized Choi-Davis-Jensen's Operator Inequalities and Their Applications
von: Chang, Shih Yu, et al.
Veröffentlicht: (2024)

Textual Entailment Recognition with Semantic Features from Empirical Text Representation
von: Shajalal, Md, et al.
Veröffentlicht: (2022)

Sporadic Hepatocellular Carcinoma in an Adolescent Harboring a Somatic CDH1 Mutation: A Case Report and Literature Review
von: Chang‐Wei Su, et al.
Veröffentlicht: (2026)

FourierKAN outperforms MLP on Text Classification Head Fine-tuning
von: Imran, Abdullah Al, et al.
Veröffentlicht: (2024)

Recursive Optimal Stopping with Poisson Stopping Constraints
von: Liang, Gechun, et al.
Veröffentlicht: (2024)

Don't Stop Believing: Mapping Distance Learners' Research Journeys
von: Brahme, Maria E., et al.
Veröffentlicht: (2016)

Zero-Shot Vehicle Model Recognition via Text-Based Retrieval-Augmented Generation
von: Chang, Wei-Chia, et al.
Veröffentlicht: (2025)

Visual Robustness Benchmark for Visual Question Answering (VQA)
von: Ishmam, Md Farhan, et al.
Veröffentlicht: (2024)

Efficient Ta 3 N 5 Photoanodes via Interface Engineering of Bixbyite‐Type Ta 2 N 3 Precursors
von: Chia‐Wei Chang, et al.
Veröffentlicht: (2025)

DORA Explorer: Improving the Exploration Ability of LLMs Without Training
von: Gurjar, Priya, et al.
Veröffentlicht: (2026)

Lift and leading-edge suction parameter of separated flows over an NACA0012 at high angles of attack
von: Chang, Ching, et al.
Veröffentlicht: (2026)

OneIG-Bench: Omni-dimensional Nuanced Evaluation for Image Generation
von: Chang, Jingjing, et al.
Veröffentlicht: (2025)

RinQ: Towards predicting central sites in proteins on current quantum computers
von: Mohtashim, Shah Ishmam
Veröffentlicht: (2025)

Merit Network Telescope: Processing and Initial Insights from Nearly 20 Years of Darknet Traffic for Cybersecurity Research
von: Ismail, Shereen, et al.
Veröffentlicht: (2025)

Stop When Enough: Adaptive Early-Stopping for Chain-of-Thought Reasoning
von: Sun, Renliang, et al.
Veröffentlicht: (2025)

Tensor-Lifted Multivariate Functional Calculus Beyond Commutativity and Boundedness
von: Chang, Shih-Yu
Veröffentlicht: (2026)

Generalized Multiple Operator Integrals for Operators with Finite Dimensions
von: Chang, Shih-Yu
Veröffentlicht: (2025)

Existence and Enumeration of Polynomially Transformed Matrices under Spectral and Nilpotent Constraints
von: Chang, Shih-Yu
Veröffentlicht: (2025)

Spectral and Nilpotent Matrix Orderings: Comparison and Applications in Dynamic Systems
von: Chang, Shih-Yu
Veröffentlicht: (2025)

The Operadic Spectrum and Obstructions to Spectral Base Change
von: Chang, Shih-Yu
Veröffentlicht: (2026)

Multivariate Mond-Pecaric Method with Applications to Hypercomplex Function Sobolev Embedding
von: Chang, Shih-Yu
Veröffentlicht: (2024)

Categorified Spectral Sheaves and Homotopical Invariants for Noncommuting Operators
von: Chang, Shih-Yu
Veröffentlicht: (2026)