HueManity: Probing Fine-Grained Visual Perception in MLLMs
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Grover, Rynaa, Tamarapalli, Jayant Sravan, Yerramilli, Sahiti, Pande, Nilay |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
MaRVL-QA: A Benchmark for Mathematical Reasoning over Visual Landscapes
par: Pande, Nilay, et autres
Publié: (2025)
par: Pande, Nilay, et autres
Publié: (2025)
GeoChain: Multimodal Chain-of-Thought for Geographic Reasoning
par: Yerramilli, Sahiti, et autres
Publié: (2025)
par: Yerramilli, Sahiti, et autres
Publié: (2025)
CountQA: How Well Do MLLMs Count in the Wild?
par: Tamarapalli, Jayant Sravan, et autres
Publié: (2025)
par: Tamarapalli, Jayant Sravan, et autres
Publié: (2025)
Semantic Augmentation in Images using Language
par: Yerramilli, Sahiti, et autres
Publié: (2024)
par: Yerramilli, Sahiti, et autres
Publié: (2024)
Attribution Regularization for Multimodal Paradigms
par: Yerramilli, Sahiti, et autres
Publié: (2024)
par: Yerramilli, Sahiti, et autres
Publié: (2024)
MoDA: Modulation Adapter for Fine-Grained Visual Grounding in Instructional MLLMs
par: Barrios, Wayner, et autres
Publié: (2025)
par: Barrios, Wayner, et autres
Publié: (2025)
Perception-R1: Advancing Multimodal Reasoning Capabilities of MLLMs via Visual Perception Reward
par: Xiao, Tong, et autres
Publié: (2025)
par: Xiao, Tong, et autres
Publié: (2025)
AI Guide Dog: Egocentric Path Prediction on Smartphone
par: Jadhav, Aishwarya, et autres
Publié: (2025)
par: Jadhav, Aishwarya, et autres
Publié: (2025)
RAR: Retrieving And Ranking Augmented MLLMs for Visual Recognition
par: Liu, Ziyu, et autres
Publié: (2024)
par: Liu, Ziyu, et autres
Publié: (2024)
ProtoVQA: An Adaptable Prototypical Framework for Explainable Fine-Grained Visual Question Answering
par: Diao, Xingjian, et autres
Publié: (2025)
par: Diao, Xingjian, et autres
Publié: (2025)
Boosting Fine-Grained Visual Anomaly Detection with Coarse-Knowledge-Aware Adversarial Learning
par: Fang, Qingqing, et autres
Publié: (2024)
par: Fang, Qingqing, et autres
Publié: (2024)
Chart-FR1: Visual Focus-Driven Fine-Grained Reasoning on Dense Charts
par: Pan, Hongkun, et autres
Publié: (2026)
par: Pan, Hongkun, et autres
Publié: (2026)
Enhancing Fine-Grained Visual Recognition in the Low-Data Regime Through Feature Magnitude Regularization
par: Chapman, Avraham, et autres
Publié: (2024)
par: Chapman, Avraham, et autres
Publié: (2024)
GranViT: A Fine-Grained Vision Model With Autoregressive Perception For MLLMs
par: Zheng, Guanghao, et autres
Publié: (2025)
par: Zheng, Guanghao, et autres
Publié: (2025)
CropVLM: Learning to Zoom for Fine-Grained Vision-Language Perception
par: Carvalho, Miguel, et autres
Publié: (2025)
par: Carvalho, Miguel, et autres
Publié: (2025)
InfoTok: Information-Theoretic Regularization for Capacity-Constrained Shared Visual Tokenization in Unified MLLMs
par: Tang, Lv, et autres
Publié: (2026)
par: Tang, Lv, et autres
Publié: (2026)
PAND: Prompt-Aware Neighborhood Distillation for Lightweight Fine-Grained Visual Classification
par: Luo, Qiuming, et autres
Publié: (2026)
par: Luo, Qiuming, et autres
Publié: (2026)
MLLMs-Augmented Visual-Language Representation Learning
par: Liu, Yanqing, et autres
Publié: (2023)
par: Liu, Yanqing, et autres
Publié: (2023)
Zooming without Zooming: Region-to-Image Distillation for Fine-Grained Multimodal Perception
par: Wei, Lai, et autres
Publié: (2026)
par: Wei, Lai, et autres
Publié: (2026)
Towards Fine-Grained Video Question Answering
par: Dai, Wei, et autres
Publié: (2025)
par: Dai, Wei, et autres
Publié: (2025)
A More Word-like Image Tokenization for MLLMs
par: Lee, Hyun, et autres
Publié: (2026)
par: Lee, Hyun, et autres
Publié: (2026)
Prototype-Based Knowledge Guidance for Fine-Grained Structured Radiology Reporting
par: Pellegrini, Chantal, et autres
Publié: (2026)
par: Pellegrini, Chantal, et autres
Publié: (2026)
SelEx: Self-Expertise in Fine-Grained Generalized Category Discovery
par: Rastegar, Sarah, et autres
Publié: (2024)
par: Rastegar, Sarah, et autres
Publié: (2024)
Learning Relative Representations for Fine-Grained Multimodal Alignment with Limited Data
par: Kim, Shiwon, et autres
Publié: (2026)
par: Kim, Shiwon, et autres
Publié: (2026)
SPHINX: A Synthetic Environment for Visual Perception and Reasoning
par: Alam, Md Tanvirul, et autres
Publié: (2025)
par: Alam, Md Tanvirul, et autres
Publié: (2025)
Orion: A Unified Visual Agent for Multimodal Perception, Advanced Visual Reasoning and Execution
par: Reddy, N Dinesh, et autres
Publié: (2025)
par: Reddy, N Dinesh, et autres
Publié: (2025)
TopoPerception: A Shortcut-Free Evaluation of Global Visual Perception in Large Vision-Language Models
par: Zhou, Wenhao, et autres
Publié: (2025)
par: Zhou, Wenhao, et autres
Publié: (2025)
TaxaDiffusion: Progressively Trained Diffusion Model for Fine-Grained Species Generation
par: Monsefi, Amin Karimi, et autres
Publié: (2025)
par: Monsefi, Amin Karimi, et autres
Publié: (2025)
Bongard-RWR+: Real-World Representations of Fine-Grained Concepts in Bongard Problems
par: Pawlonka, Szymon, et autres
Publié: (2025)
par: Pawlonka, Szymon, et autres
Publié: (2025)
Using Self-Supervised Auxiliary Tasks to Improve Fine-Grained Facial Representation
par: Pourmirzaei, Mahdi, et autres
Publié: (2021)
par: Pourmirzaei, Mahdi, et autres
Publié: (2021)
Reversible Unfolding Network for Concealed Visual Perception with Generative Refinement
par: He, Chunming, et autres
Publié: (2025)
par: He, Chunming, et autres
Publié: (2025)
Perception Tokens Enhance Visual Reasoning in Multimodal Language Models
par: Bigverdi, Mahtab, et autres
Publié: (2024)
par: Bigverdi, Mahtab, et autres
Publié: (2024)
VideoScaffold: Elastic-Scale Visual Hierarchies for Streaming Video Understanding in MLLMs
par: Zheng, Naishan, et autres
Publié: (2025)
par: Zheng, Naishan, et autres
Publié: (2025)
Analyzing and Boosting the Power of Fine-Grained Visual Recognition for Multi-modal Large Language Models
par: He, Hulingxiao, et autres
Publié: (2025)
par: He, Hulingxiao, et autres
Publié: (2025)
Unlabeled Data Improves Fine-Grained Image Zero-shot Classification with Multimodal LLMs
par: Hong, Yunqi, et autres
Publié: (2025)
par: Hong, Yunqi, et autres
Publié: (2025)
Learning Part Knowledge to Facilitate Category Understanding for Fine-Grained Generalized Category Discovery
par: Wang, Enguang, et autres
Publié: (2025)
par: Wang, Enguang, et autres
Publié: (2025)
AnnoPage Dataset: Dataset of Non-Textual Elements in Documents with Fine-Grained Categorization
par: Kišš, Martin, et autres
Publié: (2025)
par: Kišš, Martin, et autres
Publié: (2025)
Break the Visual Perception: Adversarial Attacks Targeting Encoded Visual Tokens of Large Vision-Language Models
par: Wang, Yubo, et autres
Publié: (2024)
par: Wang, Yubo, et autres
Publié: (2024)
APO: Enhancing Reasoning Ability of MLLMs via Asymmetric Policy Optimization
par: Hong, Minjie, et autres
Publié: (2025)
par: Hong, Minjie, et autres
Publié: (2025)
From Drop-off to Recovery: A Mechanistic Analysis of Segmentation in MLLMs
par: Wu, Boyong, et autres
Publié: (2026)
par: Wu, Boyong, et autres
Publié: (2026)
Documents similaires
-
MaRVL-QA: A Benchmark for Mathematical Reasoning over Visual Landscapes
par: Pande, Nilay, et autres
Publié: (2025) -
GeoChain: Multimodal Chain-of-Thought for Geographic Reasoning
par: Yerramilli, Sahiti, et autres
Publié: (2025) -
CountQA: How Well Do MLLMs Count in the Wild?
par: Tamarapalli, Jayant Sravan, et autres
Publié: (2025) -
Semantic Augmentation in Images using Language
par: Yerramilli, Sahiti, et autres
Publié: (2024) -
Attribution Regularization for Multimodal Paradigms
par: Yerramilli, Sahiti, et autres
Publié: (2024)