Buchumschlag

Mitigating Low-Level Visual Hallucinations Requires Self-Awareness: Database, Model and Training Strategy

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sun, Yinan, Min, Xiongkuo, Zhang, Zicheng, Gao, Yixuan, Cao, Yuqin, Zhai, Guangtao
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

How is Visual Attention Influenced by Text Guidance? Database and Model
von: Sun, Yinan, et al.
Veröffentlicht: (2024)

AGAV-Rater: Adapting Large Multimodal Model for AI-Generated Audio-Visual Quality Assessment
von: Cao, Yuqin, et al.
Veröffentlicht: (2025)

Audio-Visual Quality Assessment for User Generated Content: Database and Method
von: Cao, Yuqin, et al.
Veröffentlicht: (2023)

Explore the Hallucination on Low-level Perception for MLLMs
von: Sun, Yinan, et al.
Veröffentlicht: (2024)

Exploring Image Quality Assessment from a New Perspective: Pupil Size
von: Gao, Yixuan, et al.
Veröffentlicht: (2025)

Exploring Rich Subjective Quality Information for Image Quality Assessment in the Wild
von: Min, Xiongkuo, et al.
Veröffentlicht: (2024)

AIGIQA-20K: A Large Database for AI-Generated Image Quality Assessment
von: Li, Chunyi, et al.
Veröffentlicht: (2024)

IllusionBench+: A Large-scale and Comprehensive Benchmark for Visual Illusion Understanding in Vision-Language Models
von: Zhang, Yiming, et al.
Veröffentlicht: (2025)

Assessing UHD Image Quality from Aesthetics, Distortions, and Saliency
von: Sun, Wei, et al.
Veröffentlicht: (2024)

How Does Audio Influence Visual Attention in Omnidirectional Videos? Database and Model
von: Zhu, Yuxin, et al.
Veröffentlicht: (2024)

THQA: A Perceptual Quality Assessment Database for Talking Heads
von: Zhou, Yingjie, et al.
Veröffentlicht: (2024)

DyCoRM: Dynamic Criterion-Aware Reward Modeling for Text-to-Image Generation
von: Qian, Jiaying, et al.
Veröffentlicht: (2026)

Q-Eval-100K: Evaluating Visual Quality and Alignment Level for Text-to-Vision Content
von: Zhang, Zicheng, et al.
Veröffentlicht: (2025)

XGC-AVis: Towards Audio-Visual Content Understanding with a Multi-Agent Collaborative System
von: Cao, Yuqin, et al.
Veröffentlicht: (2025)

3DGCQA: A Quality Assessment Database for 3D AI-Generated Contents
von: Zhou, Yingjie, et al.
Veröffentlicht: (2024)

Mesh Mamba: A Unified State Space Model for Saliency Prediction in Non-Textured and Textured Meshes
von: Zhang, Kaiwei, et al.
Veröffentlicht: (2025)

Engagement Prediction of Short Videos with Large Multimodal Models
von: Sun, Wei, et al.
Veröffentlicht: (2025)

UniProcessor: A Text-induced Unified Low-level Image Processor
von: Duan, Huiyu, et al.
Veröffentlicht: (2024)

Enhancing Blind Video Quality Assessment with Rich Quality-aware Features
von: Sun, Wei, et al.
Veröffentlicht: (2024)

Multi-Dimensional Quality Assessment for Text-to-3D Assets: Dataset and Model
von: Fu, Kang, et al.
Veröffentlicht: (2025)

Towards Explainable Partial-AIGC Image Quality Assessment
von: Qian, Jiaying, et al.
Veröffentlicht: (2025)

VideoAesBench: Benchmarking the Video Aesthetics Perception Capabilities of Large Multimodal Models
von: Li, Yunhao, et al.
Veröffentlicht: (2026)

Large Multi-modality Model Assisted AI-Generated Image Quality Assessment
von: Wang, Puyi, et al.
Veröffentlicht: (2024)

Audio-Assisted Face Video Restoration with Temporal and Identity Complementary Learning
von: Cao, Yuqin, et al.
Veröffentlicht: (2025)

VITAL: Vision-Encoder-centered Pre-training for LMMs in Visual Quality Assessment
von: Jia, Ziheng, et al.
Veröffentlicht: (2025)

Quality Assessment for AI Generated Images with Instruction Tuning
von: Wang, Jiarui, et al.
Veröffentlicht: (2024)

KidVis: Do Multimodal Large Language Models Possess the Visual Perceptual Capabilities of a 6-Year-Old?
von: Wang, Xianfeng, et al.
Veröffentlicht: (2026)

UNQA: Unified No-Reference Quality Assessment for Audio, Image, Video, and Audio-Visual Content
von: Cao, Yuqin, et al.
Veröffentlicht: (2024)

Textured Mesh Saliency: Bridging Geometry and Texture for Human Perception in 3D Graphics
von: Zhang, Kaiwei, et al.
Veröffentlicht: (2024)

HazeCLIP: Towards Language Guided Real-World Image Dehazing
von: Wang, Ruiyi, et al.
Veröffentlicht: (2024)

Efficient Face Image Quality Assessment via Self-training and Knowledge Distillation
von: Sun, Wei, et al.
Veröffentlicht: (2025)

Q-Bench-Portrait: Benchmarking Multimodal Large Language Models on Portrait Image Quality Perception
von: Wu, Sijing, et al.
Veröffentlicht: (2026)

GMS-3DQA: Projection-based Grid Mini-patch Sampling for 3D Model Quality Assessment
von: Zhang, Zicheng, et al.
Veröffentlicht: (2023)

GeoR-Bench: Evaluating Geoscience Visual Reasoning
von: Zheng, Yushuo, et al.
Veröffentlicht: (2026)

VQA$^2$: Visual Question Answering for Video Quality Assessment
von: Jia, Ziheng, et al.
Veröffentlicht: (2024)

QualiRAG: Retrieval-Augmented Generation for Visual Quality Understanding
von: Cao, Linhan, et al.
Veröffentlicht: (2026)

AIGV-Assessor: Benchmarking and Evaluating the Perceptual Quality of Text-to-Video Generation with LMM
von: Wang, Jiarui, et al.
Veröffentlicht: (2024)

TDVE-Assessor: Benchmarking and Evaluating the Quality of Text-Driven Video Editing with LMMs
von: Wang, Juntong, et al.
Veröffentlicht: (2025)

Subjective-Aligned Dataset and Metric for Text-to-Video Quality Assessment
von: Kou, Tengchuan, et al.
Veröffentlicht: (2024)

EEmo-Logic: A Unified Dataset and Multi-Stage Framework for Comprehensive Image-Evoked Emotion Assessment
von: Gao, Lancheng, et al.
Veröffentlicht: (2026)