Buchumschlag

Roboflow100-VL: A Multi-Domain Object Detection Benchmark for Vision-Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Robicheaux, Peter, Popov, Matvei, Madan, Anish, Robinson, Isaac, Nelson, Joseph, Ramanan, Deva, Peri, Neehar
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Computation and Language Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

RF-DETR: Neural Architecture Search for Real-Time Detection Transformers
von: Robinson, Isaac, et al.
Veröffentlicht: (2025)

Revisiting Few-Shot Object Detection with Vision-Language Models
von: Madan, Anish, et al.
Veröffentlicht: (2023)

DetPO: In-Context Learning with Multi-Modal LLMs for Few-Shot Object Detection
von: Gare, Gautam Rajendrakumar, et al.
Veröffentlicht: (2026)

RefAV: Towards Planning-Centric Scenario Mining
von: Davidson, Cainan, et al.
Veröffentlicht: (2025)

Shelf-Supervised Cross-Modal Pre-Training for 3D Object Detection
von: Khurana, Mehar, et al.
Veröffentlicht: (2024)

SMORE: Simultaneous Map and Object REconstruction
von: Chodosh, Nathaniel, et al.
Veröffentlicht: (2024)

Long-Tailed 3D Detection via Multi-Modal Fusion
von: Ma, Yechi, et al.
Veröffentlicht: (2023)

MonoFusion: Sparse-View 4D Reconstruction via Monocular Fusion
von: Wang, Zihan, et al.
Veröffentlicht: (2025)

I Can't Believe It's Not Scene Flow!
von: Khatri, Ishan, et al.
Veröffentlicht: (2024)

Better Call SAL: Towards Learning to Segment Anything in Lidar
von: Ošep, Aljoša, et al.
Veröffentlicht: (2024)

UniFlow: Zero-Shot LiDAR Scene Flow for Autonomous Vehicles
von: Li, Siyi, et al.
Veröffentlicht: (2025)

Planning with Adaptive World Models for Autonomous Driving
von: Vasudevan, Arun Balajee, et al.
Veröffentlicht: (2024)

Revisiting the Role of Language Priors in Vision-Language Models
von: Lin, Zhiqiu, et al.
Veröffentlicht: (2023)

ZeroFlow: Scalable Scene Flow via Distillation
von: Vedder, Kyle, et al.
Veröffentlicht: (2023)

Neural Eulerian Scene Flow Fields
von: Vedder, Kyle, et al.
Veröffentlicht: (2024)

Predicting Long-horizon Futures by Conditioning on Geometry and Time
von: Khurana, Tarasha, et al.
Veröffentlicht: (2024)

TAO-Amodal: A Benchmark for Tracking Any Object Amodally
von: Hsieh, Cheng-Yen, et al.
Veröffentlicht: (2023)

Language Models as Black-Box Optimizers for Vision-Language Models
von: Liu, Shihong, et al.
Veröffentlicht: (2023)

StableTrack: Stabilizing Multi-Object Tracking on Low-Frequency Detections
von: Shelukhan, Matvei, et al.
Veröffentlicht: (2025)

The Neglected Tails in Vision-Language Models
von: Parashar, Shubham, et al.
Veröffentlicht: (2024)

PAI-Bench: A Comprehensive Benchmark For Physical AI
von: Zhou, Fengzhe, et al.
Veröffentlicht: (2025)

Using Diffusion Priors for Video Amodal Segmentation
von: Chen, Kaihua, et al.
Veröffentlicht: (2024)

Reconstruct, Inpaint, Test-Time Finetune: Dynamic Novel-view Synthesis from Monocular Videos
von: Chen, Kaihua, et al.
Veröffentlicht: (2025)

Qianfan-VL: Domain-Enhanced Universal Vision-Language Models
von: Dong, Daxiang, et al.
Veröffentlicht: (2025)

VL-RewardBench: A Challenging Benchmark for Vision-Language Generative Reward Models
von: Li, Lei, et al.
Veröffentlicht: (2024)

PlanGPT-VL: Enhancing Urban Planning with Domain-Specific Vision-Language Models
von: Zhu, He, et al.
Veröffentlicht: (2025)

VL-RouterBench: A Benchmark for Vision-Language Model Routing
von: Huang, Zhehao, et al.
Veröffentlicht: (2025)

B-SMALL: A Bayesian Neural Network approach to Sparse Model-Agnostic Meta-Learning
von: Madan, Anish, et al.
Veröffentlicht: (2021)

Evaluating a VR System for Collecting Safety-Critical Vehicle-Pedestrian Interactions
von: Weng, Erica, et al.
Veröffentlicht: (2023)

ONLY: One-Layer Intervention Sufficiently Mitigates Hallucinations in Large Vision-Language Models
von: Wan, Zifu, et al.
Veröffentlicht: (2025)

Mechanistic Finetuning of Vision-Language-Action Models via Few-Shot Demonstrations
von: Mitra, Chancharik, et al.
Veröffentlicht: (2025)

RaySt3R: Predicting Novel Depth Maps for Zero-Shot Object Completion
von: Duisterhof, Bardienus P., et al.
Veröffentlicht: (2025)

NaturalBench: Evaluating Vision-Language Models on Natural Adversarial Samples
von: Li, Baiqi, et al.
Veröffentlicht: (2024)

Enhancing Few-Shot Vision-Language Classification with Large Multimodal Model Features
von: Mitra, Chancharik, et al.
Veröffentlicht: (2024)

CoME-VL: Scaling Complementary Multi-Encoder Vision-Language Learning
von: Deria, Ankan, et al.
Veröffentlicht: (2026)

Self-Correcting Decoding with Generative Feedback for Mitigating Hallucinations in Large Vision-Language Models
von: Zhang, Ce, et al.
Veröffentlicht: (2025)

AgriGPT-VL: Agricultural Vision-Language Understanding Suite
von: Yang, Bo, et al.
Veröffentlicht: (2025)

VL-Uncertainty: Detecting Hallucination in Large Vision-Language Model via Uncertainty Estimation
von: Zhang, Ruiyang, et al.
Veröffentlicht: (2024)

VL4AD: Vision-Language Models Improve Pixel-wise Anomaly Detection
von: Zhong, Liangyu, et al.
Veröffentlicht: (2024)

Ranking vs. Assignment: The Metric Mismatch in Multi-View Object Association
von: Shelukhan, Matvei, et al.
Veröffentlicht: (2026)