Buchumschlag

Test-Time Consistency in Vision Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chou, Shih-Han, Chandhok, Shivam, Little, James J., Sigal, Leonid
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

MM-R$^3$: On (In-)Consistency of Vision-Language Models (VLMs)
von: Chou, Shih-Han, et al.
Veröffentlicht: (2024)

Response Wide Shut: Surprising Observations in Basic Vision Language Model Capabilities
von: Chandhok, Shivam, et al.
Veröffentlicht: (2024)

Implicit and Explicit Commonsense for Multi-sentence Video Captioning
von: Chou, Shih-Han, et al.
Veröffentlicht: (2023)

SceneGPT: A Language Model for 3D Scene Understanding
von: Chandhok, Shivam
Veröffentlicht: (2024)

Do Vision-Language Foundational models show Robust Visual Perception?
von: Chandhok, Shivam, et al.
Veröffentlicht: (2024)

Learning What Matters: Prioritized Concept Learning via Relative Error-driven Sample Selection
von: Chandhok, Shivam, et al.
Veröffentlicht: (2025)

DSeq-JEPA: Discriminative Sequential Joint-Embedding Predictive Architecture
von: He, Xiangteng, et al.
Veröffentlicht: (2025)

Framework-agnostic Semantically-aware Global Reasoning for Segmentation
von: Hossain, Mir Rayat Imtiaz, et al.
Veröffentlicht: (2022)

The Power of One: A Single Example is All it Takes for Segmentation in VLMs
von: Hossain, Mir Rayat Imtiaz, et al.
Veröffentlicht: (2025)

Visual Prompting for Generalized Few-shot Segmentation: A Multi-scale Approach
von: Hossain, Mir Rayat Imtiaz, et al.
Veröffentlicht: (2024)

Tinted Frames: Question Framing Blinds Vision-Language Models
von: Fan, Wan-Cyuan, et al.
Veröffentlicht: (2026)

Emergent Open-Vocabulary Semantic Segmentation from Off-the-shelf Vision-Language Models
von: Luo, Jiayun, et al.
Veröffentlicht: (2023)

Negation-Aware Test-Time Adaptation for Vision-Language Models
von: Han, Haochen, et al.
Veröffentlicht: (2025)

MMFactory: A Universal Solution Search Engine for Vision-Language Tasks
von: Fan, Wan-Cyuan, et al.
Veröffentlicht: (2024)

SCALE-VLP: Soft-Weighted Contrastive Volumetric Vision-Language Pre-training with Spatial-Knowledge Semantics
von: Mahdizadeh, Ailar, et al.
Veröffentlicht: (2025)

Preventing Catastrophic Forgetting through Memory Networks in Continuous Detection
von: Bhatt, Gaurav, et al.
Veröffentlicht: (2024)

TTRV: Test-Time Reinforcement Learning for Vision Language Models
von: Singh, Akshit, et al.
Veröffentlicht: (2025)

Factorized Video Autoencoders for Efficient Generative Modelling
von: Suhail, Mohammed, et al.
Veröffentlicht: (2024)

Realistic Test-Time Adaptation of Vision-Language Models
von: Zanella, Maxime, et al.
Veröffentlicht: (2025)

Bayesian Test-Time Adaptation for Vision-Language Models
von: Zhou, Lihua, et al.
Veröffentlicht: (2025)

Efficient Test-Time Adaptation of Vision-Language Models
von: Karmanov, Adilbek, et al.
Veröffentlicht: (2024)

To Sink or Not to Sink: Visual Information Pathways in Large Vision-Language Models
von: Luo, Jiayun, et al.
Veröffentlicht: (2025)

Multi-modal News Understanding with Professionally Labelled Videos (ReutersViLNews)
von: Chou, Shih-Han, et al.
Veröffentlicht: (2024)

Joint Generative Modeling of Grounded Scene Graphs and Images via Diffusion Models
von: Xu, Bicheng, et al.
Veröffentlicht: (2024)

Ultra-Light Test-Time Adaptation for Vision--Language Models
von: Kim, Byunghyun
Veröffentlicht: (2025)

Online Gaussian Test-Time Adaptation of Vision-Language Models
von: Fuchs, Clément, et al.
Veröffentlicht: (2025)

Flatness Guided Test-Time Adaptation for Vision-Language Models
von: Li, Aodi, et al.
Veröffentlicht: (2025)

Test-Time Hinting for Black-Box Vision-Language Models
von: Hou, Kaihua, et al.
Veröffentlicht: (2026)

Prototype-Based Test-Time Adaptation of Vision-Language Models
von: Huang, Zhaohong, et al.
Veröffentlicht: (2026)

Efficient Test-Time Prompt Tuning for Vision-Language Models
von: Zhu, Yuhan, et al.
Veröffentlicht: (2024)

Advancing Reliable Test-Time Adaptation of Vision-Language Models under Visual Variations
von: Liang, Yiwen, et al.
Veröffentlicht: (2025)

InvAD: Inversion-based Reconstruction-Free Anomaly Detection with Diffusion Models
von: Sakai, Shunsuke, et al.
Veröffentlicht: (2025)

Adaptive Cache Enhancement for Test-Time Adaptation of Vision-Language Models
von: Nguyen, Khanh-Binh, et al.
Veröffentlicht: (2025)

3VL: Using Trees to Improve Vision-Language Models' Interpretability
von: Yellinek, Nir, et al.
Veröffentlicht: (2023)

All in One: A Unified Synthetic Data Pipeline for Multimodal Video Understanding
von: Rahman, Tanzila, et al.
Veröffentlicht: (2026)

Consistency-guided Prompt Learning for Vision-Language Models
von: Roy, Shuvendu, et al.
Veröffentlicht: (2023)

Unveiling the Tapestry of Consistency in Large Vision-Language Models
von: Zhang, Yuan, et al.
Veröffentlicht: (2024)

A Lost Opportunity for Vision-Language Models: A Comparative Study of Online Test-Time Adaptation for Vision-Language Models
von: Döbler, Mario, et al.
Veröffentlicht: (2024)

Test-Time Adaptation of Vision-Language Models for Open-Vocabulary Semantic Segmentation
von: Noori, Mehrdad, et al.
Veröffentlicht: (2025)

Mitigating Cache Noise in Test-Time Adaptation for Large Vision-Language Models
von: Zhai, Haotian, et al.
Veröffentlicht: (2025)