Copertina

Test-Time Consistency in Vision Language Models

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Chou, Shih-Han, Chandhok, Shivam, Little, James J., Sigal, Leonid
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Computer Vision and Pattern Recognition
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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