Buchumschlag

Large Language Model with Region-guided Referring and Grounding for CT Report Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Zhixuan, Bie, Yequan, Jin, Haibo, Chen, Hao
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

Dia-LLaMA: Towards Large Language Model-driven CT Report Generation
von: Chen, Zhixuan, et al.
Veröffentlicht: (2024)

XCoOp: Explainable Prompt Learning for Computer-Aided Diagnosis via Concept-guided Context Optimization
von: Bie, Yequan, et al.
Veröffentlicht: (2024)

MICA: Towards Explainable Skin Lesion Diagnosis via Multi-Level Image-Concept Alignment
von: Bie, Yequan, et al.
Veröffentlicht: (2024)

Segment Anything in Pathology Images with Natural Language
von: Chen, Zhixuan, et al.
Veröffentlicht: (2025)

3D-CT-GPT: Generating 3D Radiology Reports through Integration of Large Vision-Language Models
von: Chen, Hao, et al.
Veröffentlicht: (2024)

GPT-4 Enhanced Multimodal Grounding for Autonomous Driving: Leveraging Cross-Modal Attention with Large Language Models
von: Liao, Haicheng, et al.
Veröffentlicht: (2023)

Grounded-VideoLLM: Sharpening Fine-grained Temporal Grounding in Video Large Language Models
von: Wang, Haibo, et al.
Veröffentlicht: (2024)

FedDAG: Federated Domain Adversarial Generation Towards Generalizable Medical Image Analysis
von: Che, Haoxuan, et al.
Veröffentlicht: (2025)

RA-CMF: Region-Adaptive Conditional MeanFlow for CT Image Reconstruction
von: Apurba, Md Shifatul Ahsan, et al.
Veröffentlicht: (2026)

ProFashion: Prototype-guided Fashion Video Generation with Multiple Reference Images
von: Kong, Xianghao, et al.
Veröffentlicht: (2025)

Reasoning Can Hurt the Inductive Abilities of Large Language Models
von: Jin, Haibo, et al.
Veröffentlicht: (2025)

CT-GLIP: 3D Grounded Language-Image Pretraining with CT Scans and Radiology Reports for Full-Body Scenarios
von: Lin, Jingyang, et al.
Veröffentlicht: (2024)

Think, Act, Build: An Agentic Framework with Vision Language Models for Zero-Shot 3D Visual Grounding
von: Wang, Haibo, et al.
Veröffentlicht: (2026)

DOGR: Towards Versatile Visual Document Grounding and Referring
von: Zhou, Yinan, et al.
Veröffentlicht: (2024)

Latent Expression Generation for Referring Image Segmentation and Grounding
von: Yu, Seonghoon, et al.
Veröffentlicht: (2025)

Weakly Supervised Gaussian Contrastive Grounding with Large Multimodal Models for Video Question Answering
von: Wang, Haibo, et al.
Veröffentlicht: (2024)

Referring Expressions as a Lens into Spatial Language Grounding in Vision-Language Models
von: Tumu, Akshar, et al.
Veröffentlicht: (2025)

Progressive Language-guided Visual Learning for Multi-Task Visual Grounding
von: Wang, Jingchao, et al.
Veröffentlicht: (2025)

LLM-Optic: Unveiling the Capabilities of Large Language Models for Universal Visual Grounding
von: Zhao, Haoyu, et al.
Veröffentlicht: (2024)

ViGoR: Improving Visual Grounding of Large Vision Language Models with Fine-Grained Reward Modeling
von: Yan, Siming, et al.
Veröffentlicht: (2024)

GroundCount: Grounding Vision-Language Models with Object Detection for Mitigating Counting Hallucinations
von: Chen, Boyuan, et al.
Veröffentlicht: (2026)

Temporal Grounding of Activities using Multimodal Large Language Models
von: Song, Young Chol
Veröffentlicht: (2024)

RAU: Reference-based Anatomical Understanding with Vision Language Models
von: Li, Yiwei, et al.
Veröffentlicht: (2025)

SAM4MLLM: Enhance Multi-Modal Large Language Model for Referring Expression Segmentation
von: Chen, Yi-Chia, et al.
Veröffentlicht: (2024)

MvKeTR: Chest CT Report Generation with Multi-View Perception and Knowledge Enhancement
von: Deng, Xiwei, et al.
Veröffentlicht: (2024)

GeM-VG: Towards Generalized Multi-image Visual Grounding with Multimodal Large Language Models
von: Zheng, Shurong, et al.
Veröffentlicht: (2026)

Exploring Spatial Language Grounding Through Referring Expressions
von: Tumu, Akshar, et al.
Veröffentlicht: (2025)

AlcheMinT: Fine-grained Temporal Control for Multi-Reference Consistent Video Generation
von: Girish, Sharath, et al.
Veröffentlicht: (2025)

GUI-ARP: Enhancing Grounding with Adaptive Region Perception for GUI Agents
von: Ye, Xianhang, et al.
Veröffentlicht: (2025)

AndesVL Technical Report: An Efficient Mobile-side Multimodal Large Language Model
von: Jin, Zhiwei, et al.
Veröffentlicht: (2025)

Region-Grounded Report Generation for 3D Medical Imaging: A Fine-Grained Dataset and Graph-Enhanced Framework
von: Nguyen, Cong Huy, et al.
Veröffentlicht: (2026)

XiHeFusion: Harnessing Large Language Models for Science Communication in Nuclear Fusion
von: Wang, Xiao, et al.
Veröffentlicht: (2025)

A Clinically-Grounded Two-Stage Framework for Renal CT Report Generation
von: Liang, Renjie, et al.
Veröffentlicht: (2025)

KARGEN: Knowledge-enhanced Automated Radiology Report Generation Using Large Language Models
von: Li, Yingshu, et al.
Veröffentlicht: (2024)

IAD-Unify: A Region-Grounded Unified Model for Industrial Anomaly Segmentation, Understanding, and Generation
von: Zheng, Haoyu, et al.
Veröffentlicht: (2026)

CoMT: A Novel Benchmark for Chain of Multi-modal Thought on Large Vision-Language Models
von: Cheng, Zihui, et al.
Veröffentlicht: (2024)

PLOT-CT: Pre-log Voronoi Decomposition Assisted Generation for Low-dose CT Reconstruction
von: Huang, Bin, et al.
Veröffentlicht: (2026)

Understanding the Limitations of Diffusion Concept Algebra Through Food
von: Zeng, E. Zhixuan, et al.
Veröffentlicht: (2024)

Temporally-Grounded Language Generation: A Benchmark for Real-Time Vision-Language Models
von: Yu, Keunwoo Peter, et al.
Veröffentlicht: (2025)

Chain of Attack: On the Robustness of Vision-Language Models Against Transfer-Based Adversarial Attacks
von: Xie, Peng, et al.
Veröffentlicht: (2024)