Buchumschlag

Open World Scene Graph Generation using Vision Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Dutta, Amartya, Mehrab, Kazi Sajeed, Sawhney, Medha, Neog, Abhilash, Khurana, Mridul, Fatemi, Sepideh, Pradhan, Aanish, Maruf, M., Lourentzou, Ismini, Daw, Arka, Karpatne, Anuj
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Beyond Loss Guidance: Using PDE Residuals as Spectral Attention in Diffusion Neural Operators
von: Sawhney, Medha, et al.
Veröffentlicht: (2025)

A Unified Framework for Forward and Inverse Problems in Subsurface Imaging using Latent Space Translations
von: Gupta, Naveen, et al.
Veröffentlicht: (2024)

Fish-Vista: A Multi-Purpose Dataset for Understanding & Identification of Traits from Images
von: Mehrab, Kazi Sajeed, et al.
Veröffentlicht: (2024)

VLM4Bio: A Benchmark Dataset to Evaluate Pretrained Vision-Language Models for Trait Discovery from Biological Images
von: Maruf, M., et al.
Veröffentlicht: (2024)

Investigating a Model-Agnostic and Imputation-Free Approach for Irregularly-Sampled Multivariate Time-Series Modeling
von: Neog, Abhilash, et al.
Veröffentlicht: (2025)

Motion Enhanced Multi‐Level Tracker (MEMTrack): A Deep Learning‐Based Approach to Microrobot Tracking in Dense and Low‐Contrast Environments
von: Medha Sawhney, et al.
Veröffentlicht: (2024)

Commonsense for Zero-Shot Natural Language Video Localization
von: Holla, Meghana, et al.
Veröffentlicht: (2023)

TaxaAdapter: Vision Taxonomy Models are Key to Fine-grained Image Generation over the Tree of Life
von: Khurana, Mridul, et al.
Veröffentlicht: (2026)

What Do You See in Common? Learning Hierarchical Prototypes over Tree-of-Life to Discover Evolutionary Traits
von: Manogaran, Harish Babu, et al.
Veröffentlicht: (2024)

TaxaDiffusion: Progressively Trained Diffusion Model for Fine-Grained Species Generation
von: Monsefi, Amin Karimi, et al.
Veröffentlicht: (2025)

RAVEL: Rare Concept Generation and Editing via Graph-driven Relational Guidance
von: Venkatesh, Kavana, et al.
Veröffentlicht: (2024)

Hierarchical Conditioning of Diffusion Models Using Tree-of-Life for Studying Species Evolution
von: Khurana, Mridul, et al.
Veröffentlicht: (2024)

3D-VCD: Hallucination Mitigation in 3D-LLM Embodied Agents through Visual Contrastive Decoding
von: Ogunleye, Makanjuola, et al.
Veröffentlicht: (2026)

ELBA: Learning by Asking for Embodied Visual Navigation and Task Completion
von: Shen, Ying, et al.
Veröffentlicht: (2023)

Phantom: Physics-Infused Video Generation via Joint Modeling of Visual and Latent Physical Dynamics
von: Shen, Ying, et al.
Veröffentlicht: (2026)

SeamCam: Quantifying Seamless Camouflage via Multi-Cue Visual Detectability
von: Monsefi, Amin Karimi, et al.
Veröffentlicht: (2026)

Prompt-CAM: Making Vision Transformers Interpretable for Fine-Grained Analysis
von: Chowdhury, Arpita, et al.
Veröffentlicht: (2025)

Knowledge-guided Machine Learning: Current Trends and Future Prospects
von: Karpatne, Anuj, et al.
Veröffentlicht: (2024)

CoRe3D: Collaborative Reasoning as a Foundation for 3D Intelligence
von: Yu, Tianjiao, et al.
Veröffentlicht: (2025)

CareGuardAI: Context-Aware Multi-Agent Guardrails for Clinical Safety & Hallucination Mitigation in Patient-Facing LLMs
von: Nasarian, Elham, et al.
Veröffentlicht: (2026)

CALICO: Part-Focused Semantic Co-Segmentation with Large Vision-Language Models
von: Nguyen, Kiet A., et al.
Veröffentlicht: (2024)

Smart Contracts, Smarter Payments: Innovating Cross Border Payments and Reporting Transactions
von: Mridul, Maruf Ahmed, et al.
Veröffentlicht: (2024)

What About the Scene with the Hitler Reference? HAUNT: A Framework to Probe LLMs' Self-consistency Via Adversarial Nudge
von: Dutta, Arka, et al.
Veröffentlicht: (2025)

Part$^{2}$GS: Part-aware Modeling of Articulated Objects using 3D Gaussian Splatting
von: Yu, Tianjiao, et al.
Veröffentlicht: (2025)

Down the Toxicity Rabbit Hole: A Novel Framework to Bias Audit Large Language Models
von: Dutta, Arka, et al.
Veröffentlicht: (2023)

DreamPartGen: Semantically Grounded Part-Level 3D Generation via Collaborative Latent Denoising
von: Yu, Tianjiao, et al.
Veröffentlicht: (2026)

Fine-Grained Preference Optimization Improves Spatial Reasoning in VLMs
von: Shen, Yifan, et al.
Veröffentlicht: (2025)

mTSBench: Benchmarking Multivariate Time Series Anomaly Detection and Model Selection at Scale
von: Zhou, Xiaona, et al.
Veröffentlicht: (2025)

PyraTok: Language-Aligned Pyramidal Tokenizer for Video Understanding and Generation
von: Susladkar, Onkar, et al.
Veröffentlicht: (2026)

FASA: Frequency-aware Sparse Attention
von: Wang, Yifei, et al.
Veröffentlicht: (2026)

Counterfactual Segmentation Reasoning: Diagnosing and Mitigating Pixel-Grounding Hallucination
von: Li, Xinzhuo, et al.
Veröffentlicht: (2025)

LaTtE-Flow: Layerwise Timestep-Expert Flow-based Transformer
von: Shen, Ying, et al.
Veröffentlicht: (2025)

Known Intents, New Combinations: Clause-Factorized Decoding for Compositional Multi-Intent Detection
von: Nandy, Abhilash
Veröffentlicht: (2026)

Hybrid EEG--Driven Brain--Computer Interface: A Large Language Model Framework for Personalized Language Rehabilitation
von: Hossain, Ismail, et al.
Veröffentlicht: (2025)

On the Internal Semantics of Time-Series Foundation Models
von: Pandey, Atharva, et al.
Veröffentlicht: (2025)

Hiding-in-Plain-Sight (HiPS) Attack on CLIP for Targetted Object Removal from Images
von: Daw, Arka, et al.
Veröffentlicht: (2024)

Enhancing immersion in Virtual Reality sports through Physical Interactions
von: Majhi, Arka
Veröffentlicht: (2026)

Inference-Time Structural Reasoning for Compositional Vision-Language Understanding
von: Bhattacharya, Amartya
Veröffentlicht: (2026)

MOCHA: Are Code Language Models Robust Against Multi-Turn Malicious Coding Prompts?
von: Wahed, Muntasir, et al.
Veröffentlicht: (2025)

Just Add Geometry: Gradient-Free Open-Vocabulary 3D Detection Without Human-in-the-Loop
von: Goel, Atharv, et al.
Veröffentlicht: (2025)