Buchumschlag

ScVLM: Enhancing Vision-Language Model for Safety-Critical Event Understanding

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Shi, Liang, Jiang, Boyu, Zeng, Tong, Guo, Feng
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Are Vision LLMs Road-Ready? A Comprehensive Benchmark for Safety-Critical Driving Video Understanding
von: Zeng, Tong, et al.
Veröffentlicht: (2025)

RE-VLM: Event-Augmented Vision-Language Model for Scene Understanding
von: Liu, Hanqing, et al.
Veröffentlicht: (2026)

VLM-AutoDrive: Post-Training Vision-Language Models for Safety-Critical Autonomous Driving Events
von: Bhat, Mohammad Qazim, et al.
Veröffentlicht: (2026)

RelationVLM: Making Large Vision-Language Models Understand Visual Relations
von: Huang, Zhipeng, et al.
Veröffentlicht: (2024)

PolarVLM: Bridging the Semantic-Physical Gap in Vision-Language Models
von: Li, Yuliang, et al.
Veröffentlicht: (2026)

IIR-VLM: In-Context Instance-level Recognition for Large Vision-Language Models
von: Shi, Liang, et al.
Veröffentlicht: (2026)

U-VLM: Hierarchical Vision Language Modeling for Report Generation
von: Shi, Pengcheng, et al.
Veröffentlicht: (2026)

SD-VLM: Spatial Measuring and Understanding with Depth-Encoded Vision-Language Models
von: Chen, Pingyi, et al.
Veröffentlicht: (2025)

dVLM-AD: Enhance Diffusion Vision-Language-Model for Driving via Controllable Reasoning
von: Ma, Yingzi, et al.
Veröffentlicht: (2025)

PSA-VLM: Enhancing Vision-Language Model Safety through Progressive Concept-Bottleneck-Driven Alignment
von: Liu, Zhendong, et al.
Veröffentlicht: (2024)

HiSpatial: Taming Hierarchical 3D Spatial Understanding in Vision-Language Models
von: Liang, Huizhi, et al.
Veröffentlicht: (2026)

BackdoorVLM: A Benchmark for Backdoor Attacks on Vision-Language Models
von: Li, Juncheng, et al.
Veröffentlicht: (2025)

CurricuVLM: Towards Safe Autonomous Driving via Personalized Safety-Critical Curriculum Learning with Vision-Language Models
von: Sheng, Zihao, et al.
Veröffentlicht: (2025)

MonitorVLM:A Vision Language Framework for Safety Violation Detection in Mining Operations
von: Wu, Jiang, et al.
Veröffentlicht: (2025)

GazeVLM: A Vision-Language Model for Multi-Task Gaze Understanding
von: Mathew, Athul M., et al.
Veröffentlicht: (2025)

CogVLM2: Visual Language Models for Image and Video Understanding
von: Hong, Wenyi, et al.
Veröffentlicht: (2024)

Benchmarking and Enhancing VLM for Compressed Image Understanding
von: Zhang, Zifu, et al.
Veröffentlicht: (2025)

DynRsl-VLM: Enhancing Autonomous Driving Perception with Dynamic Resolution Vision-Language Models
von: Zhou, Xirui, et al.
Veröffentlicht: (2025)

Event-Priori-Based Vision-Language Model for Efficient Visual Understanding
von: Qin, Haotong, et al.
Veröffentlicht: (2025)

VLM4VLA: Revisiting Vision-Language-Models in Vision-Language-Action Models
von: Zhang, Jianke, et al.
Veröffentlicht: (2026)

ContextVLM: Zero-Shot and Few-Shot Context Understanding for Autonomous Driving using Vision Language Models
von: Sural, Shounak, et al.
Veröffentlicht: (2024)

STER-VLM: Spatio-Temporal With Enhanced Reference Vision-Language Models
von: Nguyen-Nhu, Tinh-Anh, et al.
Veröffentlicht: (2025)

TrojVLM: Backdoor Attack Against Vision Language Models
von: Lyu, Weimin, et al.
Veröffentlicht: (2024)

GEOBench-VLM: Benchmarking Vision-Language Models for Geospatial Tasks
von: Danish, Muhammad Sohail, et al.
Veröffentlicht: (2024)

FloorplanVLM: A Vision-Language Model for Floorplan Vectorization
von: Liu, Yuanqing, et al.
Veröffentlicht: (2026)

SpaceVLM: Sub-Space Modeling of Negation in Vision-Language Models
von: Ranjbar, Sepehr Kazemi, et al.
Veröffentlicht: (2025)

Mema: Memory-Augmented Adapter for Enhanced Vision-Language Understanding
von: Liu, Ying, et al.
Veröffentlicht: (2026)

PhysVLM: Enabling Visual Language Models to Understand Robotic Physical Reachability
von: Zhou, Weijie, et al.
Veröffentlicht: (2025)

OViP: Online Vision-Language Preference Learning for VLM Hallucination
von: Liu, Shujun, et al.
Veröffentlicht: (2025)

Safety-Potential Pruning for Enhancing Safety Prompts Against VLM Jailbreaking Without Retraining
von: Li, Chongxin, et al.
Veröffentlicht: (2026)

Q-VLM: Post-training Quantization for Large Vision-Language Models
von: Wang, Changyuan, et al.
Veröffentlicht: (2024)

DriveVLM: The Convergence of Autonomous Driving and Large Vision-Language Models
von: Tian, Xiaoyu, et al.
Veröffentlicht: (2024)

Xmodel-VLM: A Simple Baseline for Multimodal Vision Language Model
von: Xu, Wanting, et al.
Veröffentlicht: (2024)

Using Multimodal Large Language Models for Automated Detection of Traffic Safety Critical Events
von: Tami, Mohammad Abu, et al.
Veröffentlicht: (2024)

DAVE: A VLM Vision Encoder for Document Understanding and Web Agents
von: Huang, Brandon, et al.
Veröffentlicht: (2025)

Efficient and Long-Tailed Generalization for Pre-trained Vision-Language Model
von: Shi, Jiang-Xin, et al.
Veröffentlicht: (2024)

IDA-VLM: Towards Movie Understanding via ID-Aware Large Vision-Language Model
von: Ji, Yatai, et al.
Veröffentlicht: (2024)

EventSTU: Event-Guided Efficient Spatio-Temporal Understanding for Video Large Language Models
von: Xu, Wenhao, et al.
Veröffentlicht: (2025)

DentVLM: A Multimodal Vision-Language Model for Comprehensive Dental Diagnosis and Enhanced Clinical Practice
von: Meng, Zijie, et al.
Veröffentlicht: (2025)

LongVLM: Efficient Long Video Understanding via Large Language Models
von: Weng, Yuetian, et al.
Veröffentlicht: (2024)