:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chakraborty, Ritabrata, Chakraborty, Rajatsubhra, Dasgupta, Avijit, Chaurasia, Sandeep
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence Machine Learning
Online-Zugang:	https://arxiv.org/abs/2506.17144
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

CAMBench-QR : A Structure-Aware Benchmark for Post-Hoc Explanations with QR Understanding
von: Chakraborty, Ritabrata, et al.
Veröffentlicht: (2025)

TruthLens:A Training-Free Paradigm for DeepFake Detection
von: Chakraborty, Ritabrata, et al.
Veröffentlicht: (2025)

Survey of Action Recognition, Spotting and Spatio-Temporal Localization in Soccer -- Current Trends and Research Perspectives
von: Seweryn, Karolina, et al.
Veröffentlicht: (2023)

MambaOut: Do We Really Need Mamba for Vision?
von: Yu, Weihao, et al.
Veröffentlicht: (2024)

Mask & Match: Learning to Recognize Handwritten Math with Self-Supervised Attention
von: Mitra, Shree, et al.
Veröffentlicht: (2025)

Inference Optimal VLMs Need Fewer Visual Tokens and More Parameters
von: Li, Kevin Y., et al.
Veröffentlicht: (2024)

DM-QPMNET: Dual-modality fusion network for cell segmentation in quantitative phase microscopy
von: Chakraborty, Rajatsubhra, et al.
Veröffentlicht: (2025)

Do We Really Need Quantum Machine Learning?: A Multidimensional Empirical Study
von: Vhaduri, Sudip, et al.
Veröffentlicht: (2026)

BiasMap: Leveraging Cross-Attentions to Discover and Mitigate Hidden Social Biases in Text-to-Image Generation
von: Chakraborty, Rajatsubhra, et al.
Veröffentlicht: (2025)

Do We Really Need Curated Malicious Data for Safety Alignment in Multi-modal Large Language Models?
von: Wang, Yanbo, et al.
Veröffentlicht: (2025)

Towards Precise Action Spotting: Addressing Temporal Misalignment in Labels with Dynamic Label Assignment
von: Tamura, Masato
Veröffentlicht: (2025)

A Lightweight Context-Driven Training-Free Network for Scene Text Segmentation and Recognition
von: Chakraborty, Ritabrata, et al.
Veröffentlicht: (2025)

A Transformer Based Handwriting Recognition System Jointly Using Online and Offline Features
von: Lodh, Ayush, et al.
Veröffentlicht: (2025)

Towards Robust Cross-Dataset Object Detection Generalization under Domain Specificity
von: Chakraborty, Ritabrata, et al.
Veröffentlicht: (2026)

Sketch-guided Image Inpainting with Partial Discrete Diffusion Process
von: Sharma, Nakul, et al.
Veröffentlicht: (2024)

LLAVIDAL: A Large LAnguage VIsion Model for Daily Activities of Living
von: Reilly, Dominick, et al.
Veröffentlicht: (2024)

Have the VLMs Lost Confidence? A Study of Sycophancy in VLMs
von: Li, Shuo, et al.
Veröffentlicht: (2024)

Rethinking VLMs and LLMs for Image Classification
von: Cooper, Avi, et al.
Veröffentlicht: (2024)

CARES: Context-Aware Resolution Selector for VLMs
von: Kimhi, Moshe, et al.
Veröffentlicht: (2025)

DASH: Detection and Assessment of Systematic Hallucinations of VLMs
von: Augustin, Maximilian, et al.
Veröffentlicht: (2025)

Retrieval-Augmented VLMs for Multimodal Melanoma Diagnosis
von: Moon, Jihyun, et al.
Veröffentlicht: (2025)

Discovering Closed-Loop Failures of Vision-Based Controllers via Reachability Analysis
von: Chakraborty, Kaustav, et al.
Veröffentlicht: (2022)

Hidden in plain sight: VLMs overlook their visual representations
von: Fu, Stephanie, et al.
Veröffentlicht: (2025)

Quo Vadis, Anomaly Detection? LLMs and VLMs in the Spotlight
von: Ding, Xi, et al.
Veröffentlicht: (2024)

DEAL: Disentangle and Localize Concept-level Explanations for VLMs
von: Li, Tang, et al.
Veröffentlicht: (2024)

SoccerNet Game State Reconstruction: End-to-End Athlete Tracking and Identification on a Minimap
von: Somers, Vladimir, et al.
Veröffentlicht: (2024)

Fast & Efficient Normalizing Flows and Applications of Image Generative Models
von: Nagar, Sandeep
Veröffentlicht: (2025)

Galaxy Walker: Geometry-aware VLMs For Galaxy-scale Understanding
von: Chen, Tianyu, et al.
Veröffentlicht: (2025)

IndicVisionBench: Benchmarking Cultural and Multilingual Understanding in VLMs
von: Faraz, Ali, et al.
Veröffentlicht: (2025)

ArtifactLens: Hundreds of Labels Are Enough for Artifact Detection with VLMs
von: Burgess, James, et al.
Veröffentlicht: (2026)

Unified Spatio-Temporal Token Scoring for Efficient Video VLMs
von: Zhang, Jianrui, et al.
Veröffentlicht: (2026)

Can VLMs Reason Robustly? A Neuro-Symbolic Investigation
von: Chen, Weixin, et al.
Veröffentlicht: (2026)

xGen-MM-Vid (BLIP-3-Video): You Only Need 32 Tokens to Represent a Video Even in VLMs
von: Ryoo, Michael S., et al.
Veröffentlicht: (2024)

An Expert Ensemble for Detecting Anomalous Scenes, Interactions, and Behaviors in Autonomous Driving
von: Ji, Tianchen, et al.
Veröffentlicht: (2025)

Visual Structures Helps Visual Reasoning: Addressing the Binding Problem in VLMs
von: Izadi, Amirmohammad, et al.
Veröffentlicht: (2025)

COVR:Collaborative Optimization of VLMs and RL Agent for Visual-Based Control
von: Xia, Canming, et al.
Veröffentlicht: (2026)

ViPRA: Video Prediction for Robot Actions
von: Routray, Sandeep, et al.
Veröffentlicht: (2025)

Reinforcing VLMs to Use Tools for Detailed Visual Reasoning Under Resource Constraints
von: Kumar, Sunil, et al.
Veröffentlicht: (2025)

Right this way: Can VLMs Guide Us to See More to Answer Questions?
von: Liu, Li, et al.
Veröffentlicht: (2024)

Do VLMs Have a Moral Backbone? A Study on the Fragile Morality of Vision-Language Models
von: Liu, Zhining, et al.
Veröffentlicht: (2026)