Copertina

Probing Visual Language Priors in VLMs

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Luo, Tiange, Cao, Ang, Lee, Gunhee, Johnson, Justin, Lee, Honglak
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Computer Vision and Pattern Recognition Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Visual Test-time Scaling for GUI Agent Grounding
di: Luo, Tiange, et al.
Pubblicazione: (2025)

View Selection for 3D Captioning via Diffusion Ranking
di: Luo, Tiange, et al.
Pubblicazione: (2024)

Selective LoRA for Visual Tokens and Attention Heads
di: Luo, Tiange, et al.
Pubblicazione: (2025)

Scalable Video-to-Dataset Generation for Cross-Platform Mobile Agents
di: Jang, Yunseok, et al.
Pubblicazione: (2025)

Breast Cancer VLMs: Clinically Practical Vision-Language Train-Inference Models
di: Zheng, Shunjie-Fabian, et al.
Pubblicazione: (2025)

Subtask-Aware Visual Reward Learning from Segmented Demonstrations
di: Kim, Changyeon, et al.
Pubblicazione: (2025)

VRIQ: Benchmarking and Analyzing Visual-Reasoning IQ of VLMs
di: Khezresmaeilzadeh, Tina, et al.
Pubblicazione: (2026)

Vision Verification Enhanced Fusion of VLMs for Efficient Visual Reasoning
di: Tekin, Selim Furkan, et al.
Pubblicazione: (2026)

Toward Inherently Robust VLMs Against Visual Perception Attacks
di: MohajerAnsari, Pedram, et al.
Pubblicazione: (2025)

PIVOT: Iterative Visual Prompting Elicits Actionable Knowledge for VLMs
di: Nasiriany, Soroush, et al.
Pubblicazione: (2024)

Pixels Versus Priors: Controlling Knowledge Priors in Vision-Language Models through Visual Counterfacts
di: Golovanevsky, Michal, et al.
Pubblicazione: (2025)

VisualOverload: Probing Visual Understanding of VLMs in Really Dense Scenes
di: Gavrikov, Paul, et al.
Pubblicazione: (2025)

CycleNet: Rethinking Cycle Consistency in Text-Guided Diffusion for Image Manipulation
di: Xu, Sihan, et al.
Pubblicazione: (2023)

ViCrit: A Verifiable Reinforcement Learning Proxy Task for Visual Perception in VLMs
di: Wang, Xiyao, et al.
Pubblicazione: (2025)

VGS-Decoding: Visual Grounding Score Guided Decoding for Hallucination Mitigation in Medical VLMs
di: Kolli, Govinda, et al.
Pubblicazione: (2026)

Unified Spatio-Temporal Token Scoring for Efficient Video VLMs
di: Zhang, Jianrui, et al.
Pubblicazione: (2026)

Through the Lens of Contrast: Self-Improving Visual Reasoning in VLMs
di: Pan, Zhiyu, et al.
Pubblicazione: (2026)

Prismatic VLMs: Investigating the Design Space of Visually-Conditioned Language Models
di: Karamcheti, Siddharth, et al.
Pubblicazione: (2024)

Visual Structures Helps Visual Reasoning: Addressing the Binding Problem in VLMs
di: Izadi, Amirmohammad, et al.
Pubblicazione: (2025)

CircuitProbe: Tracing Visual Temporal Evidence Flow in Video Language Models
di: Zhang, Yiming, et al.
Pubblicazione: (2025)

VLM-SubtleBench: How Far Are VLMs from Human-Level Subtle Comparative Reasoning?
di: Kim, Minkyu, et al.
Pubblicazione: (2026)

From Understanding to Engagement: Personalized pharmacy Video Clips via Vision Language Models (VLMs)
di: Mishra, Suyash, et al.
Pubblicazione: (2026)

Chain-of-Visual-Thought: Teaching VLMs to See and Think Better with Continuous Visual Tokens
di: Qin, Yiming, et al.
Pubblicazione: (2025)

Selecting Fine-Tuning Examples by Quizzing VLMs
di: Ji, Tenghao, et al.
Pubblicazione: (2025)

Exploration of VLMs for Driver Monitoring Systems Applications
di: Cañas, Paola Natalia, et al.
Pubblicazione: (2025)

Unified Text-Image-to-Video Generation: A Training-Free Approach to Flexible Visual Conditioning
di: Lai, Bolin, et al.
Pubblicazione: (2025)

Light Cones For Vision: Simple Causal Priors For Visual Hierarchy
di: Kartik, Manglam, et al.
Pubblicazione: (2026)

When Does Visual Prompting Outperform Linear Probing for Vision-Language Models? A Likelihood Perspective
di: Tsao, Hsi-Ai, et al.
Pubblicazione: (2024)

Discovering and Mitigating Visual Biases through Keyword Explanation
di: Kim, Younghyun, et al.
Pubblicazione: (2023)

Inference Optimal VLMs Need Fewer Visual Tokens and More Parameters
di: Li, Kevin Y., et al.
Pubblicazione: (2024)

COVR:Collaborative Optimization of VLMs and RL Agent for Visual-Based Control
di: Xia, Canming, et al.
Pubblicazione: (2026)

Generalizing from SIMPLE to HARD Visual Reasoning: Can We Mitigate Modality Imbalance in VLMs?
di: Park, Simon, et al.
Pubblicazione: (2025)

Rethinking Pruning for Vision-Language Models: Strategies for Effective Sparsity and Performance Restoration
di: He, Shwai, et al.
Pubblicazione: (2024)

Scene-Aware Vectorized Memory Multi-Agent Framework with Cross-Modal Differentiated Quantization VLMs for Visually Impaired Assistance
di: Wang, Xiangxiang, et al.
Pubblicazione: (2025)

Aligning Latent Spaces with Flow Priors
di: Li, Yizhuo, et al.
Pubblicazione: (2025)

Reinforcing VLMs to Use Tools for Detailed Visual Reasoning Under Resource Constraints
di: Kumar, Sunil, et al.
Pubblicazione: (2025)

ABC: Achieving Better Control of Multimodal Embeddings using VLMs
di: Schneider, Benjamin, et al.
Pubblicazione: (2025)

Continual Learning for VLMs: A Survey and Taxonomy Beyond Forgetting
di: Liu, Yuyang, et al.
Pubblicazione: (2025)

Density-Aware Translation of Spurious Correlations in Zero-Shot VLMs
di: Hasanebrahimi, Afsaneh, et al.
Pubblicazione: (2026)

MMInference: Accelerating Pre-filling for Long-Context VLMs via Modality-Aware Permutation Sparse Attention
di: Li, Yucheng, et al.
Pubblicazione: (2025)