Buchumschlag

Stop learning it all to mitigate visual hallucination, Focus on the hallucination target

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yoon, Dokyoon, Song, Youngsook, Park, Woomyong
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

PhD: A ChatGPT-Prompted Visual hallucination Evaluation Dataset
von: Liu, Jiazhen, et al.
Veröffentlicht: (2024)

Low-hallucination Synthetic Captions for Large-Scale Vision-Language Model Pre-training
von: Zhang, Xinsong, et al.
Veröffentlicht: (2025)

When normalization hallucinates: unseen risks in AI-powered whole slide image processing
von: Moens, Karel, et al.
Veröffentlicht: (2025)

RITUAL: Random Image Transformations as a Universal Anti-hallucination Lever in Large Vision Language Models
von: Woo, Sangmin, et al.
Veröffentlicht: (2024)

Attention to details, logits to truth: visual-aware attention and logits enhancement to mitigate hallucinations in LVLMs
von: Wang, Jingyi, et al.
Veröffentlicht: (2026)

VCE: A zero-cost hallucination mitigation method of LVLMs via visual contrastive editing
von: Huang, Yanbin, et al.
Veröffentlicht: (2026)

Better Safe Than Sorry? Overreaction Problem of Vision Language Models in Visual Emergency Recognition
von: Choi, Dasol, et al.
Veröffentlicht: (2025)

sFRC for assessing hallucinations in medical image restoration
von: Kc, Prabhat, et al.
Veröffentlicht: (2026)

Focus, Don't Prune: Identifying Instruction-Relevant Regions for Information-Rich Image Understanding
von: Kwon, Mincheol, et al.
Veröffentlicht: (2026)

Focus Matters: Phase-Aware Suppression for Hallucination in Vision-Language Models
von: Kim, Sohyeon, et al.
Veröffentlicht: (2026)

Visual hallucination detection in large vision-language models via evidential conflict
von: Huang, Tao, et al.
Veröffentlicht: (2025)

Extend3D: Town-Scale 3D Generation
von: Yoon, Seungwoo, et al.
Veröffentlicht: (2026)

Self-supervised visual learning for analyzing firearms trafficking activities on the Web
von: Konstantakos, Sotirios, et al.
Veröffentlicht: (2023)

Your One-Stop Solution for AI-Generated Video Detection
von: Ma, Long, et al.
Veröffentlicht: (2026)

Multi-agent Long-term 3D Human Pose Forecasting via Interaction-aware Trajectory Conditioning
von: Jeong, Jaewoo, et al.
Veröffentlicht: (2024)

Focus on Focus: Focus-oriented Representation Learning and Multi-view Cross-modal Alignment for Glioma Grading
von: Pan, Li, et al.
Veröffentlicht: (2024)

What Users Leave Unsaid: Under-Specified Queries Limit Vision-Language Models
von: Choi, Dasol, et al.
Veröffentlicht: (2026)

Point-RTD: Replaced Token Denoising for Pretraining Transformer Models on Point Clouds
von: Stone, Gunner, et al.
Veröffentlicht: (2025)

GaussianFocus: Constrained Attention Focus for 3D Gaussian Splatting
von: Huang, Zexu, et al.
Veröffentlicht: (2025)

SAVE: Sparse Autoencoder-Driven Visual Information Enhancement for Mitigating Object Hallucination
von: Park, Sangha, et al.
Veröffentlicht: (2025)

Semantic Diversity-aware Prototype-based Learning for Unbiased Scene Graph Generation
von: Jeon, Jaehyeong, et al.
Veröffentlicht: (2024)

CMI-MTL: Cross-Mamba interaction based multi-task learning for medical visual question answering
von: Jin, Qiangguo, et al.
Veröffentlicht: (2025)

Triggering hallucinations in model-based MRI reconstruction via adversarial perturbations
von: Buğday, Suna, et al.
Veröffentlicht: (2026)

REPA Works Until It Doesn't: Early-Stopped, Holistic Alignment Supercharges Diffusion Training
von: Wang, Ziqiao, et al.
Veröffentlicht: (2025)

Focusable Monocular Depth Estimation
von: Du, Yuxin, et al.
Veröffentlicht: (2026)

Is a Picture Worth a Thousand Words? Adaptive Multimodal Fact-Checking with Visual Evidence Necessity
von: Jung, Jaeyoon, et al.
Veröffentlicht: (2026)

Can visual language models resolve textual ambiguity with visual cues? Let visual puns tell you!
von: Chung, Jiwan, et al.
Veröffentlicht: (2024)

Unsupervised Homography Estimation on Multimodal Image Pair via Alternating Optimization
von: Song, Sanghyeob, et al.
Veröffentlicht: (2024)

JourneyBench: A Challenging One-Stop Vision-Language Understanding Benchmark of Generated Images
von: Wang, Zhecan, et al.
Veröffentlicht: (2024)

FocusDPO: Dynamic Preference Optimization for Multi-Subject Personalized Image Generation via Adaptive Focus
von: Jin, Qiaoqiao, et al.
Veröffentlicht: (2025)

Guiding What Not to Generate: Automated Negative Prompting for Text-Image Alignment
von: Park, Sangha, et al.
Veröffentlicht: (2025)

OV-MAP : Open-Vocabulary Zero-Shot 3D Instance Segmentation Map for Robots
von: Kim, Juno, et al.
Veröffentlicht: (2025)

MASR: Self-Reflective Reasoning through Multimodal Hierarchical Attention Focusing for Agent-based Video Understanding
von: Cao, Shiwen, et al.
Veröffentlicht: (2025)

Face Reconstruction Transfer Attack as Out-of-Distribution Generalization
von: Jung, Yoon Gyo, et al.
Veröffentlicht: (2024)

NextStop: An Improved Tracker For Panoptic LIDAR Segmentation Data
von: Alkalay, Nirit, et al.
Veröffentlicht: (2025)

Cross-modality debiasing: using language to mitigate sub-population shifts in imaging
von: Pang, Yijiang, et al.
Veröffentlicht: (2024)

Adaptive Self-training Framework for Fine-grained Scene Graph Generation
von: Kim, Kibum, et al.
Veröffentlicht: (2024)

Learning to Stop Overthinking at Test Time
von: Bao, Hieu Tran, et al.
Veröffentlicht: (2025)

Multi-Focused Video Group Activities Hashing
von: Qi, Zhongmiao, et al.
Veröffentlicht: (2025)

FENet: Focusing Enhanced Network for Lane Detection
von: Wang, Liman, et al.
Veröffentlicht: (2023)