Buchumschlag

Noise is an Efficient Learner for Zero-Shot Vision-Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Imam, Raza, Hanif, Asif, Zhang, Jian, Dawoud, Khaled Waleed, Kementchedjhieva, Yova, Yaqub, Mohammad
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

On the Robustness of Medical Vision-Language Models: Are they Truly Generalizable?
von: Imam, Raza, et al.
Veröffentlicht: (2025)

EFSA: Episodic Few-Shot Adaptation for Text-to-Image Retrieval
von: Huzaifa, Muhammad, et al.
Veröffentlicht: (2024)

T3: Test-Time Model Merging in VLMs for Zero-Shot Medical Imaging Analysis
von: Imam, Raza, et al.
Veröffentlicht: (2025)

A Simple Data Augmentation Strategy for Text-in-Image Scientific VQA
von: Shoer, Belal, et al.
Veröffentlicht: (2025)

The Devil is in the EOS: Sequence Training for Detailed Image Captioning
von: Mohamed, Abdelrahman, et al.
Veröffentlicht: (2025)

Decoupling Clinical and Class-Agnostic Features for Reliable Few-Shot Adaptation under Shift
von: Rahman, Umaima, et al.
Veröffentlicht: (2025)

Lost in Volume: The CT-SpatialVQA Benchmark for Evaluating Semantic-Spatial Understanding of 3D Medical Vision-Language Models
von: Monon, Mashrafi, et al.
Veröffentlicht: (2026)

Long Story Short: Disentangling Compositionality and Long-Caption Understanding in Contrastive VLMs
von: Salazar, Israfel, et al.
Veröffentlicht: (2025)

Test-Time Low Rank Adaptation via Confidence Maximization for Zero-Shot Generalization of Vision-Language Models
von: Imam, Raza, et al.
Veröffentlicht: (2024)

Do Vision and Language Models Share Concepts? A Vector Space Alignment Study
von: Li, Jiaang, et al.
Veröffentlicht: (2023)

SPECS: Specificity-Enhanced CLIP-Score for Long Image Caption Evaluation
von: Chen, Xiaofu, et al.
Veröffentlicht: (2025)

LinguDistill: Recovering Linguistic Ability in Vision-Language Models via Selective Cross-Modal Distillation
von: Irawan, Patrick Amadeus, et al.
Veröffentlicht: (2026)

DARK: Diagonal-Anchored Repulsive Knowledge Distillation for Vision-Language Models under Extreme Compression
von: Saeed, Numan, et al.
Veröffentlicht: (2026)

VLMs Need Words: Vision Language Models Ignore Visual Detail In Favor of Semantic Anchors
von: Shahgir, Haz Sameen, et al.
Veröffentlicht: (2026)

Can language-guided unsupervised adaptation improve medical image classification using unpaired images and texts?
von: Rahman, Umaima, et al.
Veröffentlicht: (2024)

FETAL-GAUGE: A Benchmark for Assessing Vision-Language Models in Fetal Ultrasound
von: Alasmawi, Hussain, et al.
Veröffentlicht: (2025)

LLMs Can Compensate for Deficiencies in Visual Representations
von: Takishita, Sho, et al.
Veröffentlicht: (2025)

Open-Source Image Editing Models Are Zero-Shot Vision Learners
von: Liu, Wei, et al.
Veröffentlicht: (2026)

CosmoCLIP: Generalizing Large Vision-Language Models for Astronomical Imaging
von: Imam, Raza, et al.
Veröffentlicht: (2024)

TransResNet: Integrating the Strengths of ViTs and CNNs for High Resolution Medical Image Segmentation via Feature Grafting
von: Sharif, Muhammad Hamza, et al.
Veröffentlicht: (2024)

Envisioning MedCLIP: A Deep Dive into Explainability for Medical Vision-Language Models
von: Hashmi, Anees Ur Rehman, et al.
Veröffentlicht: (2024)

Investigating Zero-Shot Diagnostic Pathology in Vision-Language Models with Efficient Prompt Design
von: Sharma, Vasudev, et al.
Veröffentlicht: (2025)

Zero-shot World Models Are Developmentally Efficient Learners
von: Aw, Khai Loong, et al.
Veröffentlicht: (2026)

Are Video Models Emerging as Zero-Shot Learners and Reasoners in Medical Imaging?
von: Lai, Yuxiang, et al.
Veröffentlicht: (2025)

TransPrune: Token Transition Pruning for Efficient Large Vision-Language Model
von: Li, Ao, et al.
Veröffentlicht: (2025)

Pre-trained Vision and Language Transformers Are Few-Shot Incremental Learners
von: Park, Keon-Hee, et al.
Veröffentlicht: (2024)

Making Large Vision Language Models to be Good Few-shot Learners
von: Liu, Fan, et al.
Veröffentlicht: (2024)

On Evaluating Adversarial Robustness of Volumetric Medical Segmentation Models
von: Malik, Hashmat Shadab, et al.
Veröffentlicht: (2024)

Training-Free Zero-Shot Temporal Action Detection with Vision-Language Models
von: Han, Chaolei, et al.
Veröffentlicht: (2025)

Zero-Shot Fine-Grained Image Classification Using Large Vision-Language Models
von: Atabuzzaman, Md., et al.
Veröffentlicht: (2025)

Interpretable Zero-Shot Learning with Locally-Aligned Vision-Language Model
von: Chen, Shiming, et al.
Veröffentlicht: (2025)

Learning by Correction: Efficient Tuning Task for Zero-Shot Generative Vision-Language Reasoning
von: Li, Rongjie, et al.
Veröffentlicht: (2024)

Efficient and Context-Aware Label Propagation for Zero-/Few-Shot Training-Free Adaptation of Vision-Language Model
von: Li, Yushu, et al.
Veröffentlicht: (2024)

MMRINet: Efficient Mamba-Based Segmentation with Dual-Path Refinement for Low-Resource MRI Analysis
von: Elsayed, Abdelrahman, et al.
Veröffentlicht: (2025)

Exploring Vision-Language Models for Open-Vocabulary Zero-Shot Action Segmentation
von: Unmesh, Asim, et al.
Veröffentlicht: (2026)

Constrained Prompt Enhancement for Improving Zero-Shot Generalization of Vision-Language Models
von: Yin, Xiaojie, et al.
Veröffentlicht: (2025)

Zero-Shot Robustness of Vision Language Models Via Confidence-Aware Weighting
von: Naghavian, Nikoo, et al.
Veröffentlicht: (2025)

Exploring the Zero-Shot Capabilities of Vision-Language Models for Improving Gaze Following
von: Gupta, Anshul, et al.
Veröffentlicht: (2024)

Enhancing Remote Sensing Vision-Language Models for Zero-Shot Scene Classification
von: Khoury, Karim El, et al.
Veröffentlicht: (2024)

BaFTA: Backprop-Free Test-Time Adaptation For Zero-Shot Vision-Language Models
von: Hu, Xuefeng, et al.
Veröffentlicht: (2024)