Buchumschlag

Disentangling Fine-Tuning from Pre-Training in Visual Captioning with Hybrid Markov Logic

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Shah, Monika, Sarkhel, Somdeb, Venugopal, Deepak
Format:	Preprint
Veröffentlicht:	2025
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

On Explaining Visual Captioning with Hybrid Markov Logic Networks
von: Shah, Monika, et al.
Veröffentlicht: (2025)

Analyzing the Sensitivity of Vision Language Models in Visual Question Answering
von: Shah, Monika, et al.
Veröffentlicht: (2025)

SKALD: Learning-Based Shot Assembly for Coherent Multi-Shot Video Creation
von: Lu, Chen Yi, et al.
Veröffentlicht: (2025)

Large Pre-Training Datasets Don't Always Guarantee Robustness after Fine-Tuning
von: Hwang, Jaedong, et al.
Veröffentlicht: (2024)

Pre-Trained CNN Architecture for Transformer-Based Image Caption Generation Model
von: Dufera, Amanuel Tafese
Veröffentlicht: (2025)

Decouple before Align: Visual Disentanglement Enhances Prompt Tuning
von: Zhang, Fei, et al.
Veröffentlicht: (2025)

Visual Agentic Reinforcement Fine-Tuning
von: Liu, Ziyu, et al.
Veröffentlicht: (2025)

Mining Fine-Grained Image-Text Alignment for Zero-Shot Captioning via Text-Only Training
von: Qiu, Longtian, et al.
Veröffentlicht: (2024)

Efficient Adversarial Training via Criticality-Aware Fine-Tuning
von: Li, Wenyun, et al.
Veröffentlicht: (2026)

Fine-Tuning Vision-Language Models for Visual Navigation Assistance
von: Li, Xiao, et al.
Veröffentlicht: (2025)

Towards Fine-Grained Human Motion Video Captioning
von: Song, Guorui, et al.
Veröffentlicht: (2025)

Target-Dependent Multimodal Sentiment Analysis Via Employing Visual-to Emotional-Caption Translation Network using Visual-Caption Pairs
von: Pandey, Ananya, et al.
Veröffentlicht: (2024)

Efficient Adaptation of Pre-trained Vision Transformer underpinned by Approximately Orthogonal Fine-Tuning Strategy
von: Yang, Yiting, et al.
Veröffentlicht: (2025)

Diversify, Don't Fine-Tune: Scaling Up Visual Recognition Training with Synthetic Images
von: Yu, Zhuoran, et al.
Veröffentlicht: (2023)

Reason-RFT: Reinforcement Fine-Tuning for Visual Reasoning of Vision Language Models
von: Tan, Huajie, et al.
Veröffentlicht: (2025)

Align and Surpass Human Camouflaged Perception: Visual Refocus Reinforcement Fine-Tuning
von: Shen, Ruolin, et al.
Veröffentlicht: (2025)

Improving Medical Visual Reinforcement Fine-Tuning via Perception and Reasoning Augmentation
von: Yang, Guangjing, et al.
Veröffentlicht: (2026)

VeCLIP: Improving CLIP Training via Visual-enriched Captions
von: Lai, Zhengfeng, et al.
Veröffentlicht: (2023)

Explainable, Multi-modal Wound Infection Classification from Images Augmented with Generated Captions
von: Busaranuvong, Palawat, et al.
Veröffentlicht: (2025)

EMRRG: Efficient Fine-Tuning Pre-trained X-ray Mamba Networks for Radiology Report Generation
von: Zhang, Mingzheng, et al.
Veröffentlicht: (2025)

HNC: Leveraging Hard Negative Captions towards Models with Fine-Grained Visual-Linguistic Comprehension Capabilities
von: Dönmez, Esra, et al.
Veröffentlicht: (2026)

Controllable Hybrid Captioner for Improved Long-form Video Understanding
von: Sasse, Kuleen, et al.
Veröffentlicht: (2025)

From Holistic to Localized: Local Enhanced Adapters for Efficient Visual Instruction Fine-Tuning
von: Jiao, Pengkun, et al.
Veröffentlicht: (2024)

Low-hallucination Synthetic Captions for Large-Scale Vision-Language Model Pre-training
von: Zhang, Xinsong, et al.
Veröffentlicht: (2025)

FT-ARM: Fine-Tuned Agentic Reflection Multimodal Language Model for Pressure Ulcer Severity Classification with Reasoning
von: Fard, Reza Saadati, et al.
Veröffentlicht: (2025)

Forecast-PEFT: Parameter-Efficient Fine-Tuning for Pre-trained Motion Forecasting Models
von: Wang, Jifeng, et al.
Veröffentlicht: (2024)

Pre-Trained Model Recommendation for Downstream Fine-tuning
von: Bai, Jiameng, et al.
Veröffentlicht: (2024)

Parameter-Efficient Fine-Tuning Medical Multimodal Large Language Models for Medical Visual Grounding
von: He, Jinlong, et al.
Veröffentlicht: (2024)

DTL: Disentangled Transfer Learning for Visual Recognition
von: Fu, Minghao, et al.
Veröffentlicht: (2023)

Gradient-based Fine-Tuning through Pre-trained Model Regularization
von: Liu, Xuanbo, et al.
Veröffentlicht: (2025)

Graph-Based Captioning: Enhancing Visual Descriptions by Interconnecting Region Captions
von: Hsieh, Yu-Guan, et al.
Veröffentlicht: (2024)

Med-CMR: A Fine-Grained Benchmark Integrating Visual Evidence and Clinical Logic for Medical Complex Multimodal Reasoning
von: Gong, Haozhen, et al.
Veröffentlicht: (2025)

SARE: Sample-wise Adaptive Reasoning for Training-free Fine-grained Visual Recognition
von: Yang, Jingxiao, et al.
Veröffentlicht: (2026)

Sam-Guided Enhanced Fine-Grained Encoding with Mixed Semantic Learning for Medical Image Captioning
von: Zhang, Zhenyu, et al.
Veröffentlicht: (2023)

\textit{FocaLogic}: Logic-Based Interpretation of Visual Model Decisions
von: Zhao, Chenchen, et al.
Veröffentlicht: (2026)

Detecting and Understanding Hateful Contents in Memes Through Captioning and Visual Question-Answering
von: Anaissi, Ali, et al.
Veröffentlicht: (2025)

Enhancing Visual Question Answering through Question-Driven Image Captions as Prompts
von: Özdemir, Övgü, et al.
Veröffentlicht: (2024)

Synth$^2$: Boosting Visual-Language Models with Synthetic Captions and Image Embeddings
von: Sharifzadeh, Sahand, et al.
Veröffentlicht: (2024)

CaptionFool: Universal Image Captioning Model Attacks
von: Parekh, Swapnil
Veröffentlicht: (2026)

Low-rank Attention Side-Tuning for Parameter-Efficient Fine-Tuning
von: Tang, Ningyuan, et al.
Veröffentlicht: (2024)