Buchumschlag

Attacks on multimodal models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Iablochnikov, Viacheslav, Rogachev, Alexander
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

Learning to Generate Rigid Body Interactions with Video Diffusion Models
von: Romero, David, et al.
Veröffentlicht: (2025)

On the robustness of multimodal language model towards distractions
von: Liu, Ming, et al.
Veröffentlicht: (2025)

MIMO: A medical vision language model with visual referring multimodal input and pixel grounding multimodal output
von: Chen, Yanyuan, et al.
Veröffentlicht: (2025)

SalsaAgent: A multimodal embodied language model for interactive dance generation
von: Yazdian, Payam Jome, et al.
Veröffentlicht: (2026)

Monitoring Horses in Stalls: From Object to Event Detection
von: Galimzianov, Dmitrii, et al.
Veröffentlicht: (2025)

SJTU:Spatial judgments in multimodal models towards unified segmentation through coordinate detection
von: Chae, Joongwon, et al.
Veröffentlicht: (2024)

In-context learning enables multimodal large language models to classify cancer pathology images
von: Ferber, Dyke, et al.
Veröffentlicht: (2024)

Chain-of-Caption: Training-free improvement of multimodal large language model on referring expression comprehension
von: Pang, Yik Lung, et al.
Veröffentlicht: (2026)

GPT-4o: Visual perception performance of multimodal large language models in piglet activity understanding
von: Wu, Yiqi, et al.
Veröffentlicht: (2024)

SmolVLM: Redefining small and efficient multimodal models
von: Marafioti, Andrés, et al.
Veröffentlicht: (2025)

Text-to-Vector Conversion for Residential Plan Design
von: Bazhenov, Egor, et al.
Veröffentlicht: (2026)

Transformation trees -- documentation of multimodal image registration
von: Tomaka, Agnieszka Anna, et al.
Veröffentlicht: (2025)

Visual Language Models as Zero-Shot Deepfake Detectors
von: Pirogov, Viacheslav
Veröffentlicht: (2025)

MediConfusion: Can you trust your AI radiologist? Probing the reliability of multimodal medical foundation models
von: Sepehri, Mohammad Shahab, et al.
Veröffentlicht: (2024)

Assessing the alignment between infants' visual and linguistic experience using multimodal language models
von: Tan, Alvin Wei Ming, et al.
Veröffentlicht: (2025)

A multimodal vision foundation model for generalizable knee pathology
von: Yu, Kang, et al.
Veröffentlicht: (2026)

Animalbooth: multimodal feature enhancement for animal subject personalization
von: Liu, Chen, et al.
Veröffentlicht: (2025)

MedViLaM: A multimodal large language model with advanced generalizability and explainability for medical data understanding and generation
von: Xu, Lijian, et al.
Veröffentlicht: (2024)

Densification and forecasting of Sentinel-2 time series from multimodal SAR and Optical satellite data using deep generative models
von: Defonte, Véronique, et al.
Veröffentlicht: (2026)

New multimodal similarity measure for image registration via modeling local functional dependence with linear combination of learned basis functions
von: Honkamaa, Joel, et al.
Veröffentlicht: (2025)

Evaluating point-light biological motion in multimodal large language models
von: Kadambi, Akila, et al.
Veröffentlicht: (2025)

Bias-constrained multimodal intelligence for equitable and reliable clinical AI
von: Li, Cheng, et al.
Veröffentlicht: (2026)

Granite Vision: a lightweight, open-source multimodal model for enterprise Intelligence
von: Granite Vision Team, et al.
Veröffentlicht: (2025)

AI-powered multimodal modeling of personalized hemodynamics in aortic stenosis
von: Ozturk, Caglar, et al.
Veröffentlicht: (2024)

Headset: Human emotion awareness under partial occlusions multimodal dataset
von: Lohesara, Fatemeh Ghorbani, et al.
Veröffentlicht: (2024)

JUMP: A joint multimodal registration pipeline for neuroimaging with minimal preprocessing
von: Casamitjana, Adria, et al.
Veröffentlicht: (2024)

From Image to Video, what do we need in multimodal LLMs?
von: Huang, Suyuan, et al.
Veröffentlicht: (2024)

A multimodal gesture recognition dataset for desktop human-computer interaction
von: Wang, Qi, et al.
Veröffentlicht: (2024)

Visual concept ranking uncovers medical shortcuts used by large multimodal models
von: Janizek, Joseph D., et al.
Veröffentlicht: (2026)

A benchmark multimodal oro-dental dataset for large vision-language models
von: Lv, Haoxin, et al.
Veröffentlicht: (2025)

MULTIAQUA: A multimodal maritime dataset and robust training strategies for multimodal semantic segmentation
von: Muhovič, Jon, et al.
Veröffentlicht: (2025)

J-EDI QA: Benchmark for deep-sea organism-specific multimodal LLM
von: Yoshida, Takero, et al.
Veröffentlicht: (2024)

Do multimodal models imagine electric sheep?
von: Ramakrishnan, Santhosh Kumar, et al.
Veröffentlicht: (2026)

MObyGaze: a film dataset of multimodal objectification densely annotated by experts
von: Tores, Julie, et al.
Veröffentlicht: (2025)

LMM4LMM: Benchmarking and Evaluating Large-multimodal Image Generation with LMMs
von: Wang, Jiarui, et al.
Veröffentlicht: (2025)

Automatic benchmarking of large multimodal models via iterative experiment programming
von: Conti, Alessandro, et al.
Veröffentlicht: (2024)

BiomedCLIP: a multimodal biomedical foundation model pretrained from fifteen million scientific image-text pairs
von: Zhang, Sheng, et al.
Veröffentlicht: (2023)

What do vision-language models see in the context? Investigating multimodal in-context learning
von: Santos, Gabriel O. dos, et al.
Veröffentlicht: (2025)

MM2Latent: Text-to-facial image generation and editing in GANs with multimodal assistance
von: Meng, Debin, et al.
Veröffentlicht: (2024)

MedGEN-Bench: Contextually entangled benchmark for open-ended multimodal medical generation
von: Yang, Junjie, et al.
Veröffentlicht: (2025)