Buchumschlag

Vision-Language Models Generate More Homogeneous Stories for Phenotypically Black Individuals

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lee, Messi H. J., Jeon, Soyeon
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

Visual Cues of Gender and Race are Associated with Stereotyping in Vision-Language Models
von: Lee, Messi H. J., et al.
Veröffentlicht: (2025)

More Distinctively Black and Feminine Faces Lead to Increased Stereotyping in Vision-Language Models
von: Lee, Messi H. J., et al.
Veröffentlicht: (2024)

Examining the Robustness of Homogeneity Bias to Hyperparameter Adjustments in GPT-4
von: Lee, Messi H. J.
Veröffentlicht: (2025)

Token-Level Entropy Reveals Demographic Disparities in Language Models
von: Lee, Messi H. J.
Veröffentlicht: (2025)

SEED-Story: Multimodal Long Story Generation with Large Language Model
von: Yang, Shuai, et al.
Veröffentlicht: (2024)

Vision-aligned Latent Reasoning for Multi-modal Large Language Model
von: Jeon, Byungwoo, et al.
Veröffentlicht: (2026)

Diverse Rare Sample Generation with Pretrained GANs
von: Lee, Subeen, et al.
Veröffentlicht: (2024)

Improving Calibration in Test-Time Prompt Tuning for Vision-Language Models via Data-Free Flatness-Aware Prompt Pretraining
von: Jang, Hyeonseo, et al.
Veröffentlicht: (2026)

uCLIP: Parameter-Efficient Multilingual Extension of Vision-Language Models with Unpaired Data
von: Chung, Dahyun, et al.
Veröffentlicht: (2025)

StoryGPT-V: Large Language Models as Consistent Story Visualizers
von: Shen, Xiaoqian, et al.
Veröffentlicht: (2023)

ForensicZip: More Tokens are Better but Not Necessary in Forensic Vision-Language Models
von: Lai, Yingxin, et al.
Veröffentlicht: (2026)

Why Far Looks Up: Probing Spatial Representation in Vision-Language Models
von: Min, Cheolhong, et al.
Veröffentlicht: (2026)

How Blind and Low-Vision Individuals Prefer Large Vision-Language Model-Generated Scene Descriptions
von: An, Na Min, et al.
Veröffentlicht: (2025)

Test-Time Hinting for Black-Box Vision-Language Models
von: Hou, Kaihua, et al.
Veröffentlicht: (2026)

EmoStory: Emotion-Aware Story Generation
von: Yang, Jingyuan, et al.
Veröffentlicht: (2026)

Infusing Environmental Captions for Long-Form Video Language Grounding
von: Lee, Hyogun, et al.
Veröffentlicht: (2024)

Language Models as Black-Box Optimizers for Vision-Language Models
von: Liu, Shihong, et al.
Veröffentlicht: (2023)

More Than the Final Answer: Improving Visual Extraction and Logical Consistency in Vision-Language Models
von: Just, Hoang Anh, et al.
Veröffentlicht: (2025)

ZIP: An Efficient Zeroth-order Prompt Tuning for Black-box Vision-Language Models
von: Park, Seonghwan, et al.
Veröffentlicht: (2025)

Cog3DMap: Multi-View Vision-Language Reasoning with 3D Cognitive Maps
von: Gwak, Chanyoung, et al.
Veröffentlicht: (2026)

Are Large Vision-Language Models Ready to Guide Blind and Low-Vision Individuals?
von: Kim, Eunki, et al.
Veröffentlicht: (2025)

Generate, but Verify: Reducing Hallucination in Vision-Language Models with Retrospective Resampling
von: Wu, Tsung-Han, et al.
Veröffentlicht: (2025)

IdentityStory: Taming Your Identity-Preserving Generator for Human-Centric Story Generation
von: Zhou, Donghao, et al.
Veröffentlicht: (2025)

PhenoLIP: Integrating Phenotype Ontology Knowledge into Medical Vision-Language Pretraining
von: Liang, Cheng, et al.
Veröffentlicht: (2026)

Active Prompt Learning in Vision Language Models
von: Bang, Jihwan, et al.
Veröffentlicht: (2023)

How Does Vision-Language Adaptation Impact the Safety of Vision Language Models?
von: Lee, Seongyun, et al.
Veröffentlicht: (2024)

How to Determine the Preferred Image Distribution of a Black-Box Vision-Language Model?
von: Taghanaki, Saeid Asgari, et al.
Veröffentlicht: (2024)

Multi-Modal Interpretability for Enhanced Localization in Vision-Language Models
von: Imran, Muhammad, et al.
Veröffentlicht: (2025)

Lay2Story: Extending Diffusion Transformers for Layout-Togglable Story Generation
von: Ma, Ao, et al.
Veröffentlicht: (2025)

ReDiStory: Region-Disentangled Diffusion for Consistent Visual Story Generation
von: Sarkar, Ayushman, et al.
Veröffentlicht: (2026)

Bridging Different Language Models and Generative Vision Models for Text-to-Image Generation
von: Zhao, Shihao, et al.
Veröffentlicht: (2024)

Quantized Prompt for Efficient Generalization of Vision-Language Models
von: Hao, Tianxiang, et al.
Veröffentlicht: (2024)

Generalizing Vision-Language Models with Dedicated Prompt Guidance
von: Li, Xinyao, et al.
Veröffentlicht: (2025)

Descriminative-Generative Custom Tokens for Vision-Language Models
von: Perera, Pramuditha, et al.
Veröffentlicht: (2025)

Hypergraph Vision Transformers: Images are More than Nodes, More than Edges
von: Fixelle, Joshua
Veröffentlicht: (2025)

A Vision Language Model for Generating Procedural Plant Architecture Representations from Simulated Images
von: Yun, Heesup, et al.
Veröffentlicht: (2026)

Exploiting Domain Properties in Language-Driven Domain Generalization for Semantic Segmentation
von: Jeon, Seogkyu, et al.
Veröffentlicht: (2025)

More Thought, Less Accuracy? On the Dual Nature of Reasoning in Vision-Language Models
von: Tian, Xinyu, et al.
Veröffentlicht: (2025)

Learning More by Seeing Less: Structure First Learning for Efficient, Transferable, and Human-Aligned Vision
von: Li, Tianqin, et al.
Veröffentlicht: (2025)

Focusing Where Vision Matters: Selective Training for Large Vision Language Models via Visual Information Gain
von: Lee, Seulbi, et al.
Veröffentlicht: (2026)