Buchumschlag

Escaping Plato's Cave: JAM for Aligning Independently Trained Vision and Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yoon, Lauren Hyoseo, Yue, Yisong, Kim, Been
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Back into Plato's Cave: Examining Cross-modal Representational Convergence at Scale
von: Koepke, A. Sophia, et al.
Veröffentlicht: (2026)

Escaping Plato's Cave: Towards the Alignment of 3D and Text Latent Spaces
von: Hadgi, Souhail, et al.
Veröffentlicht: (2025)

Self-Evolving Visual Concept Library using Vision-Language Critics
von: Sehgal, Atharva, et al.
Veröffentlicht: (2025)

Escaping the SpuriVerse: Can Large Vision-Language Models Generalize Beyond Seen Spurious Correlations?
von: Yang, Yiwei, et al.
Veröffentlicht: (2025)

Re-Align: Aligning Vision Language Models via Retrieval-Augmented Direct Preference Optimization
von: Xing, Shuo, et al.
Veröffentlicht: (2025)

Beyond Pairwise Preferences: Listwise Reward-Aware Alignment for Diffusion Models
von: Wang, Austin, et al.
Veröffentlicht: (2026)

High-Fidelity Text-to-Image Generation from Pre-Trained Vision-Language Models via Distribution-Conditioned Diffusion Decoding
von: Hong, Ji Woo, et al.
Veröffentlicht: (2026)

Test-Time Training for Visual Foresight Vision-Language-Action Models
von: Park, Sangwu, et al.
Veröffentlicht: (2026)

Synchronizing Task Behavior: Aligning Multiple Tasks during Test-Time Training
von: Jeong, Wooseong, et al.
Veröffentlicht: (2025)

Advancing Vision-based Human Action Recognition: Exploring Vision-Language CLIP Model for Generalisation in Domain-Independent Tasks
von: Shandilya, Utkarsh, et al.
Veröffentlicht: (2025)

Aligned but Stereotypical? The Hidden Influence of System Prompts on Social Bias in LVLM-Based Text-to-Image Models
von: Park, NaHyeon, et al.
Veröffentlicht: (2025)

ETA: Evaluating Then Aligning Safety of Vision Language Models at Inference Time
von: Ding, Yi, et al.
Veröffentlicht: (2024)

Patch-Prompt Aligned Bayesian Prompt Tuning for Vision-Language Models
von: Liu, Xinyang, et al.
Veröffentlicht: (2023)

Align Your Tangent: Training Better Consistency Models via Manifold-Aligned Tangents
von: Kim, Beomsu, et al.
Veröffentlicht: (2025)

Unsupervised Representation Learning from Sparse Transformation Analysis
von: Song, Yue, et al.
Veröffentlicht: (2024)

Interactive Post-Training for Vision-Language-Action Models
von: Tan, Shuhan, et al.
Veröffentlicht: (2025)

Aligning Modalities in Vision Large Language Models via Preference Fine-tuning
von: Zhou, Yiyang, et al.
Veröffentlicht: (2024)

VLG-CBM: Training Concept Bottleneck Models with Vision-Language Guidance
von: Srivastava, Divyansh, et al.
Veröffentlicht: (2024)

Gradient-Aligned Calibration for Post-Training Quantization of Diffusion Models
von: Hoang, Dung Anh, et al.
Veröffentlicht: (2026)

Vision Language Models are Biased
von: Vo, An, et al.
Veröffentlicht: (2025)

Continual Learning in Vision-Language Models via Aligned Model Merging
von: Sokar, Ghada, et al.
Veröffentlicht: (2025)

Reinforcement Learning Friendly Vision-Language Model for Minecraft
von: Jiang, Haobin, et al.
Veröffentlicht: (2023)

DRESS: Instructing Large Vision-Language Models to Align and Interact with Humans via Natural Language Feedback
von: Chen, Yangyi, et al.
Veröffentlicht: (2023)

Breast Cancer VLMs: Clinically Practical Vision-Language Train-Inference Models
von: Zheng, Shunjie-Fabian, et al.
Veröffentlicht: (2025)

Split Gibbs Discrete Diffusion Posterior Sampling
von: Chu, Wenda, et al.
Veröffentlicht: (2025)

Source-Free Domain Adaptation Guided by Vision and Vision-Language Pre-Training
von: Zhang, Wenyu, et al.
Veröffentlicht: (2024)

Training Feature Attribution for Vision Models
von: Bacha, Aziz, et al.
Veröffentlicht: (2025)

On the Use of Anchoring for Training Vision Models
von: Narayanaswamy, Vivek, et al.
Veröffentlicht: (2024)

Training-Free Test-Time Adaptation with Brownian Distance Covariance in Vision-Language Models
von: Zhang, Yi, et al.
Veröffentlicht: (2026)

Information Router for Mitigating Modality Dominance in Vision-Language Models
von: Kim, Seulgi, et al.
Veröffentlicht: (2026)

Rethinking Fine-Tuning: Unlocking Hidden Capabilities in Vision-Language Models
von: Zhang, Mingyuan, et al.
Veröffentlicht: (2025)

S-GRPO: Unified Post-Training for Large Vision-Language Models
von: Yan, Yuming, et al.
Veröffentlicht: (2026)

CAPA: Contribution-Aware Pruning and FFN Approximation for Efficient Large Vision-Language Models
von: Jha, Samyak, et al.
Veröffentlicht: (2026)

RadZero: Similarity-Based Cross-Attention for Explainable Vision-Language Alignment in Chest X-ray with Zero-Shot Multi-Task Capability
von: Park, Jonggwon, et al.
Veröffentlicht: (2025)

Mitigating Hallucinations in Vision-Language Models through Image-Guided Head Suppression
von: Sarkar, Sreetama, et al.
Veröffentlicht: (2025)

Learning Calibrated Uncertainties for Domain Shift: A Distributionally Robust Learning Approach
von: Wang, Haoxuan, et al.
Veröffentlicht: (2020)

Analyzing and Mitigating Object Hallucination in Large Vision-Language Models
von: Zhou, Yiyang, et al.
Veröffentlicht: (2023)

TinyAlign: Boosting Lightweight Vision-Language Models by Mitigating Modal Alignment Bottlenecks
von: Hu, Yuanze, et al.
Veröffentlicht: (2025)

Voila-A: Aligning Vision-Language Models with User's Gaze Attention
von: Yan, Kun, et al.
Veröffentlicht: (2023)

Kuramoto Orientation Diffusion Models
von: Song, Yue, et al.
Veröffentlicht: (2025)