Buchumschlag

CaptionSmiths: Flexibly Controlling Language Pattern in Image Captioning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Saito, Kuniaki, Kim, Donghyun, Park, Kwanyong, Hashimoto, Atsushi, Ushiku, Yoshitaka
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

Weak-to-Strong Compositional Learning from Generative Models for Language-based Object Detection
von: Park, Kwanyong, et al.
Veröffentlicht: (2024)

HalDec-Bench: Benchmarking Hallucination Detector in Image Captioning
von: Saito, Kuniaki, et al.
Veröffentlicht: (2025)

HalDec-Bench: Benchmarking Hallucination Detector in Image Captioning
von: Saito, Kuniaki, et al.
Veröffentlicht: (2026)

Exo2EgoDVC: Dense Video Captioning of Egocentric Procedural Activities Using Web Instructional Videos
von: Ohkawa, Takehiko, et al.
Veröffentlicht: (2023)

SBS Figures: Pre-training Figure QA from Stage-by-Stage Synthesized Images
von: Shinoda, Risa, et al.
Veröffentlicht: (2024)

SciPostLayoutTree: A Dataset for Structural Analysis of Scientific Posters
von: Tanaka, Shohei, et al.
Veröffentlicht: (2025)

Towards Safer Mobile Agents: Scalable Generation and Evaluation of Diverse Scenarios for VLMs
von: Taniguchi, Takara, et al.
Veröffentlicht: (2026)

Talk in Pieces, See in Whole: Disentangling and Hierarchical Aggregating Representations for Language-based Object Detection
von: An, Sojung, et al.
Veröffentlicht: (2025)

ECCV Caption: Correcting False Negatives by Collecting Machine-and-Human-verified Image-Caption Associations for MS-COCO
von: Chun, Sanghyuk, et al.
Veröffentlicht: (2022)

CaptionQA: Is Your Caption as Useful as the Image Itself?
von: Yang, Shijia, et al.
Veröffentlicht: (2025)

Recipe Generation from Unsegmented Cooking Videos
von: Nishimura, Taichi, et al.
Veröffentlicht: (2022)

LLM-Free Image Captioning Evaluation in Reference-Flexible Settings
von: Hirano, Shinnosuke, et al.
Veröffentlicht: (2025)

Improving Text Generation on Images with Synthetic Captions
von: Koh, Jun Young, et al.
Veröffentlicht: (2024)

Training-Free Label Space Alignment for Universal Domain Adaptation
von: Lee, Dujin, et al.
Veröffentlicht: (2025)

SC-Captioner: Improving Image Captioning with Self-Correction by Reinforcement Learning
von: Zhang, Lin, et al.
Veröffentlicht: (2025)

AdaCoder: Adaptive Prompt Compression for Programmatic Visual Question Answering
von: Ukai, Mahiro, et al.
Veröffentlicht: (2024)

CaptionFool: Universal Image Captioning Model Attacks
von: Parekh, Swapnil
Veröffentlicht: (2026)

COM Kitchens: An Unedited Overhead-view Video Dataset as a Vision-Language Benchmark
von: Maeda, Koki, et al.
Veröffentlicht: (2024)

Sali4Vid: Saliency-Aware Video Reweighting and Adaptive Caption Retrieval for Dense Video Captioning
von: Jeon, MinJu, et al.
Veröffentlicht: (2025)

AGIC: Attention-Guided Image Captioning to Improve Caption Relevance
von: Teja, L. D. M. S. Sai, et al.
Veröffentlicht: (2025)

SciPostGen: Bridging the Gap between Scientific Papers and Poster Layouts
von: Inadumi, Shun, et al.
Veröffentlicht: (2025)

What Makes for Good Image Captions?
von: Chen, Delong, et al.
Veröffentlicht: (2024)

Benchmarking and Improving Detail Image Caption
von: Dong, Hongyuan, et al.
Veröffentlicht: (2024)

ControlCap: Controllable Region-level Captioning
von: Zhao, Yuzhong, et al.
Veröffentlicht: (2024)

Large Language Models for Captioning and Retrieving Remote Sensing Images
von: Silva, João Daniel, et al.
Veröffentlicht: (2024)

DreamLIP: Language-Image Pre-training with Long Captions
von: Zheng, Kecheng, et al.
Veröffentlicht: (2024)

Mitigating Image Captioning Hallucinations in Vision-Language Models
von: Zhao, Fei, et al.
Veröffentlicht: (2025)

Top-Down Framework for Weakly-supervised Grounded Image Captioning
von: Cai, Chen, et al.
Veröffentlicht: (2023)

Distinctive Image Captioning: Leveraging Ground Truth Captions in CLIP Guided Reinforcement Learning
von: Chaffin, Antoine, et al.
Veröffentlicht: (2024)

Scene Graph-guided SegCaptioning Transformer with Fine-grained Alignment for Controllable Video Segmentation and Captioning
von: Zhang, Xu, et al.
Veröffentlicht: (2026)

Leveraging Textual Compositional Reasoning for Robust Change Captioning
von: Park, Kyu Ri, et al.
Veröffentlicht: (2025)

UIT-DarkCow team at ImageCLEFmedical Caption 2024: Diagnostic Captioning for Radiology Images Efficiency with Transformer Models
von: Van Nguyen, Quan, et al.
Veröffentlicht: (2024)

OmniCaptioner: One Captioner to Rule Them All
von: Lu, Yiting, et al.
Veröffentlicht: (2025)

SynC: Synthetic Image Caption Dataset Refinement with One-to-many Mapping for Zero-shot Image Captioning
von: Kim, Si-Woo, et al.
Veröffentlicht: (2025)

VLRM: Vision-Language Models act as Reward Models for Image Captioning
von: Dzabraev, Maksim, et al.
Veröffentlicht: (2024)

Image Generation from Image Captioning -- Invertible Approach
von: Menon, Nandakishore S, et al.
Veröffentlicht: (2024)

From Image Captioning to Visual Storytelling
von: Passadakis, Admitos, et al.
Veröffentlicht: (2025)

Group Relative Policy Optimization for Image Captioning
von: Liang, Xu
Veröffentlicht: (2025)

Panoptic Captioning: An Equivalence Bridge for Image and Text
von: Lin, Kun-Yu, et al.
Veröffentlicht: (2025)

Aesthetic Image Captioning with Saliency Enhanced MLLMs
von: Tao, Yilin, et al.
Veröffentlicht: (2025)