Buchumschlag

Box-QAymo: Box-Referring VQA Dataset for Autonomous Driving

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Etchegaray, Djamahl, Fu, Yuxia, Huang, Zi, Luo, Yadan
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

Find n' Propagate: Open-Vocabulary 3D Object Detection in Urban Environments
von: Etchegaray, Djamahl, et al.
Veröffentlicht: (2024)

Black-Box Adversarial Attack on Vision Language Models for Autonomous Driving
von: Wang, Lu, et al.
Veröffentlicht: (2025)

SCORE: Soft Label Compression-Centric Dataset Condensation via Coding Rate Optimization
von: Yuan, Bowen, et al.
Veröffentlicht: (2025)

Robusto-1 Dataset: Comparing Humans and VLMs on real out-of-distribution Autonomous Driving VQA from Peru
von: Cusipuma, Dunant, et al.
Veröffentlicht: (2025)

DPO: Dual-Perturbation Optimization for Test-time Adaptation in 3D Object Detection
von: Chen, Zhuoxiao, et al.
Veröffentlicht: (2024)

Theoretically Achieving Continuous Representation of Oriented Bounding Boxes
von: Xiao, Zi-Kai, et al.
Veröffentlicht: (2024)

Box-Free Model Watermarks Are Prone to Black-Box Removal Attacks
von: An, Haonan, et al.
Veröffentlicht: (2024)

BoxTuning: Directly Injecting the Object Box for Multimodal Model Fine-Tuning
von: Qian, Zekun, et al.
Veröffentlicht: (2026)

Prompting the Unseen: Detecting Hidden Backdoors in Black-Box Models
von: Huang, Zi-Xuan, et al.
Veröffentlicht: (2024)

GEMeX-RMCoT: An Enhanced Med-VQA Dataset for Region-Aware Multimodal Chain-of-Thought Reasoning
von: Liu, Bo, et al.
Veröffentlicht: (2025)

Multiple Different Black Box Explanations for Image Classifiers
von: Chockler, Hana, et al.
Veröffentlicht: (2023)

Is Less More? Exploring Token Condensation as Training-free Test-time Adaptation
von: Wang, Zixin, et al.
Veröffentlicht: (2024)

EMT: A Visual Multi-Task Benchmark Dataset for Autonomous Driving
von: Madjid, Nadya Abdel, et al.
Veröffentlicht: (2025)

Provable Ordering and Continuity in Vision-Language Pretraining for Generalizable Embodied Agents
von: Zhang, Zhizhen, et al.
Veröffentlicht: (2025)

Kvasir-VQA: A Text-Image Pair GI Tract Dataset
von: Gautam, Sushant, et al.
Veröffentlicht: (2024)

Doc-CoB: Enhancing Document Understanding with Visual Chain-of-Boxes Reasoning
von: Mo, Ye, et al.
Veröffentlicht: (2025)

Open-CRB: Towards Open World Active Learning for 3D Object Detection
von: Chen, Zhuoxiao, et al.
Veröffentlicht: (2023)

MrM: Black-Box Membership Inference Attacks against Multimodal RAG Systems
von: Yang, Peiru, et al.
Veröffentlicht: (2025)

Improving Black-Box Generative Attacks via Generator Semantic Consistency
von: Jeong, Jongoh, et al.
Veröffentlicht: (2025)

NBBOX: Noisy Bounding Box Improves Remote Sensing Object Detection
von: Kim, Yechan, et al.
Veröffentlicht: (2024)

MPDIoU: A Loss for Efficient and Accurate Bounding Box Regression
von: Ma, Siliang, et al.
Veröffentlicht: (2023)

Certified Zeroth-order Black-Box Defense with Robust UNet Denoiser
von: Verma, Astha, et al.
Veröffentlicht: (2023)

TopoStreamer: Temporal Lane Segment Topology Reasoning in Autonomous Driving
von: Yang, Yiming, et al.
Veröffentlicht: (2025)

Cross-Stage Coherence in Hierarchical Driving VQA: Explicit Baselines and Learned Gated Context Projectors
von: Jain, Gautam Kumar, et al.
Veröffentlicht: (2026)

Box6D : Zero-shot Category-level 6D Pose Estimation of Warehouse Boxes
von: Ma, Yintao, et al.
Veröffentlicht: (2025)

DriveGenVLM: Real-world Video Generation for Vision Language Model based Autonomous Driving
von: Fu, Yongjie, et al.
Veröffentlicht: (2024)

BlackMirror: Black-Box Backdoor Detection for Text-to-Image Models via Instruction-Response Deviation
von: Li, Feiran, et al.
Veröffentlicht: (2026)

Robust Box Prompt based SAM for Medical Image Segmentation
von: Huang, Yuhao, et al.
Veröffentlicht: (2024)

ADBA:Approximation Decision Boundary Approach for Black-Box Adversarial Attacks
von: Wang, Feiyang, et al.
Veröffentlicht: (2024)

Enhancing Vision-Language Models for Autonomous Driving through Task-Specific Prompting and Spatial Reasoning
von: Wu, Aodi, et al.
Veröffentlicht: (2025)

Finding needles in a haystack: A Black-Box Approach to Invisible Watermark Detection
von: Pan, Minzhou, et al.
Veröffentlicht: (2024)

CodeMerge: Codebook-Guided Model Merging for Robust Test-Time Adaptation in Autonomous Driving
von: Yang, Huitong, et al.
Veröffentlicht: (2025)

doScenes: An Autonomous Driving Dataset with Natural Language Instruction for Human Interaction and Vision-Language Navigation
von: Roy, Parthib, et al.
Veröffentlicht: (2024)

Caption First, VQA Second: Knowledge Density, Not Task Format, Drives Multimodal Scaling
von: Zou, Hongjian, et al.
Veröffentlicht: (2026)

FRED: A Multi-Modal Autonomous Driving Dataset for Flooded Road Environments
von: Malone, Connor, et al.
Veröffentlicht: (2026)

CoralVQA: A Large-Scale Visual Question Answering Dataset for Coral Reef Image Understanding
von: Han, Hongyong, et al.
Veröffentlicht: (2025)

AutoViVQA: A Large-Scale Automatically Constructed Dataset for Vietnamese Visual Question Answering
von: Tuong, Nguyen Anh, et al.
Veröffentlicht: (2026)

PolaFormer: Polarity-aware Linear Attention for Vision Transformers
von: Meng, Weikang, et al.
Veröffentlicht: (2025)

Drive-KD: Multi-Teacher Distillation for VLMs in Autonomous Driving
von: Lian, Weitong, et al.
Veröffentlicht: (2026)

Inverting Black-Box Face Recognition Systems via Zero-Order Optimization in Eigenface Space
von: Razzhigaev, Anton, et al.
Veröffentlicht: (2025)