Buchumschlag

SCRAMBLe : Enhancing Multimodal LLM Compositionality with Synthetic Preference Data

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mishra, Samarth, Saenko, Kate, Saligrama, Venkatesh
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

SynCDR : Training Cross Domain Retrieval Models with Synthetic Data
von: Mishra, Samarth, et al.
Veröffentlicht: (2023)

SPARC: Score Prompting and Adaptive Fusion for Zero-Shot Multi-Label Recognition in Vision-Language Models
von: Miller, Kevin, et al.
Veröffentlicht: (2025)

BabyVLM: Data-Efficient Pretraining of VLMs Inspired by Infant Learning
von: Wang, Shengao, et al.
Veröffentlicht: (2025)

Concept Arithmetics for Circumventing Concept Inhibition in Diffusion Models
von: Petsiuk, Vitali, et al.
Veröffentlicht: (2024)

Perceiving Beyond Language Priors: Enhancing Visual Comprehension and Attention in Multimodal Models
von: Ghatkesar, Aarti, et al.
Veröffentlicht: (2025)

Deep Companion Learning: Enhancing Generalization Through Historical Consistency
von: Zhu, Ruizhao, et al.
Veröffentlicht: (2024)

BabyVLM-V2: Toward Developmentally Grounded Pretraining and Benchmarking of Vision Foundation Models
von: Wang, Shengao, et al.
Veröffentlicht: (2025)

Personalized Image Editing in Text-to-Image Diffusion Models via Collaborative Direct Preference Optimization
von: Dunlop, Connor, et al.
Veröffentlicht: (2025)

KiVA: Kid-inspired Visual Analogies for Testing Large Multimodal Models
von: Yiu, Eunice, et al.
Veröffentlicht: (2024)

Scaling Up Temporal Domain Generalization via Temporal Experts Averaging
von: Liu, Aoming, et al.
Veröffentlicht: (2025)

Mull-Tokens: Modality-Agnostic Latent Thinking
von: Ray, Arijit, et al.
Veröffentlicht: (2025)

PrefGen: Multimodal Preference Learning for Preference-Conditioned Image Generation
von: Mo, Wenyi, et al.
Veröffentlicht: (2025)

SpaRE: Enhancing Spatial Reasoning in Vision-Language Models with Synthetic Data
von: Ogezi, Michael, et al.
Veröffentlicht: (2025)

TSynD: Targeted Synthetic Data Generation for Enhanced Medical Image Classification
von: Niemeijer, Joshua, et al.
Veröffentlicht: (2024)

SAT: Dynamic Spatial Aptitude Training for Multimodal Language Models
von: Ray, Arijit, et al.
Veröffentlicht: (2024)

Physics-Based Benchmarking Metrics for Multimodal Synthetic Images
von: Gupta, Kishor Datta, et al.
Veröffentlicht: (2025)

Adaptive Guidance Semantically Enhanced via Multimodal LLM for Edge-Cloud Object Detection
von: Hu, Yunqing, et al.
Veröffentlicht: (2025)

Enhancing Zero-shot Personalized Image Aesthetics Assessment with Profile-aware Multimodal LLM
von: Wang, Chun, et al.
Veröffentlicht: (2026)

Synthetic Object Compositions for Scalable and Accurate Learning in Detection, Segmentation, and Grounding
von: Huang, Weikai, et al.
Veröffentlicht: (2025)

SAEC: Scene-Aware Enhanced Edge-Cloud Collaborative Industrial Vision Inspection with Multimodal LLM
von: Tian, Yuhao, et al.
Veröffentlicht: (2025)

CROP: Expert-Aligned Image Cropping via Compositional Reasoning and Optimizing Preference
von: Dong, Zhitong, et al.
Veröffentlicht: (2026)

mmE5: Improving Multimodal Multilingual Embeddings via High-quality Synthetic Data
von: Chen, Haonan, et al.
Veröffentlicht: (2025)

Text-VQA Aug: Pipelined Harnessing of Large Multimodal Models for Automated Synthesis
von: Joshi, Soham, et al.
Veröffentlicht: (2025)

EgoGen: An Egocentric Synthetic Data Generator
von: Li, Gen, et al.
Veröffentlicht: (2024)

Depth Any Video with Scalable Synthetic Data
von: Yang, Honghui, et al.
Veröffentlicht: (2024)

Fake & Square: Training Self-Supervised Vision Transformers with Synthetic Data and Synthetic Hard Negatives
von: Giakoumoglou, Nikolaos, et al.
Veröffentlicht: (2025)

PatentLMM: Large Multimodal Model for Generating Descriptions for Patent Figures
von: Shukla, Shreya, et al.
Veröffentlicht: (2025)

Direct Preference Optimization of Video Large Multimodal Models from Language Model Reward
von: Zhang, Ruohong, et al.
Veröffentlicht: (2024)

A Fully Transformer Based Multimodal Framework for Explainable Cancer Image Segmentation Using Radiology Reports
von: Adahada, Enobong, et al.
Veröffentlicht: (2025)

Evaluating Compositional Scene Understanding in Multimodal Generative Models
von: Fu, Shuhao, et al.
Veröffentlicht: (2025)

PLACID: Identity-Preserving Multi-Object Compositing via Video Diffusion with Synthetic Trajectories
von: Tarrés, Gemma Canet, et al.
Veröffentlicht: (2026)

OptiScene: LLM-driven Indoor Scene Layout Generation via Scaled Human-aligned Data Synthesis and Multi-Stage Preference Optimization
von: Yang, Yixuan, et al.
Veröffentlicht: (2025)

Understanding Trade offs When Conditioning Synthetic Data
von: Trabucco, Brandon, et al.
Veröffentlicht: (2025)

Synthetic Simplicity: Unveiling Bias in Medical Data Augmentation
von: Babu, Krishan Agyakari Raja, et al.
Veröffentlicht: (2024)

Enhancing the Safety of Medical Vision-Language Models by Synthetic Demonstrations
von: Xue, Zhiyu, et al.
Veröffentlicht: (2025)

From Fake to Real: Pretraining on Balanced Synthetic Images to Prevent Spurious Correlations in Image Recognition
von: Qraitem, Maan, et al.
Veröffentlicht: (2023)

CompoDistill: Attention Distillation for Compositional Reasoning in Multimodal LLMs
von: Kim, Jiwan, et al.
Veröffentlicht: (2025)

ScoreMix: Synthetic Data Generation by Score Composition in Diffusion Models Improves Recognition
von: Rahimi, Parsa, et al.
Veröffentlicht: (2025)

Investigation of Accuracy and Bias in Face Recognition Trained with Synthetic Data
von: Korshunov, Pavel, et al.
Veröffentlicht: (2025)

Synthetic Human Action Video Data Generation with Pose Transfer
von: Knapp, Vaclav, et al.
Veröffentlicht: (2025)