Buchumschlag

VISOR: Visual Input-based Steering for Output Redirection in Vision-Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Phute, Mansi, Balakrishnan, Ravikumar
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

VISOR++: Universal Visual Inputs based Steering for Large Vision Language Models
von: Balakrishnan, Ravikumar, et al.
Veröffentlicht: (2025)

VISOR: VIsual Spatial Object Reasoning for Language-driven Object Navigation
von: Taioli, Francesco, et al.
Veröffentlicht: (2026)

VISOR: Agentic Visual Retrieval-Augmented Generation via Iterative Search and Over-horizon Reasoning
von: Shen, Yucheng, et al.
Veröffentlicht: (2026)

Language Models Can Explain Visual Features via Steering
von: Ferrando, Javier, et al.
Veröffentlicht: (2026)

Mitigating Entangled Steering in Large Vision-Language Models for Hallucination Reduction
von: Zhang, Yuanhong, et al.
Veröffentlicht: (2026)

Dynamic Multimodal Activation Steering for Hallucination Mitigation in Large Vision-Language Models
von: Yin, Jianghao, et al.
Veröffentlicht: (2026)

SynthVision -- Harnessing Minimal Input for Maximal Output in Computer Vision Models using Synthetic Image data
von: Kularathne, Yudara, et al.
Veröffentlicht: (2024)

Steering to Say No: Configurable Refusal via Activation Steering in Vision Language Models
von: Yang, Jiaxi, et al.
Veröffentlicht: (2026)

Activation Steering Meets Preference Optimization: Defense Against Jailbreaks in Vision Language Models
von: Wu, Sihao, et al.
Veröffentlicht: (2025)

Robustness of Vision Language Models Against Split-Image Harmful Input Attacks
von: Rashid, Md Rafi Ur, et al.
Veröffentlicht: (2026)

Adaptive Residual-Update Steering for Low-Overhead Hallucination Mitigation in Large Vision Language Models
von: Zou, Zhengtao, et al.
Veröffentlicht: (2025)

Mitigating Hallucination in Vision-Language Models through Barrier-Regulated Adaptive Closed-form Steering
von: Jana, Soumyadeep, et al.
Veröffentlicht: (2026)

Steering Away from Harm: An Adaptive Approach to Defending Vision Language Model Against Jailbreaks
von: Wang, Han, et al.
Veröffentlicht: (2024)

Single-Input Multi-Output Model Merging: Leveraging Foundation Models for Dense Multi-Task Learning
von: Giraldo, Juan Garcia, et al.
Veröffentlicht: (2025)

3D Gaussian and Diffusion-Based Gaze Redirection
von: Panchalingam, Abiram, et al.
Veröffentlicht: (2025)

The Hidden Life of Tokens: Reducing Hallucination of Large Vision-Language Models via Visual Information Steering
von: Li, Zhuowei, et al.
Veröffentlicht: (2025)

VFM-VLM: Vision Foundation Model and Vision Language Model based Visual Comparison for 3D Pose Estimation
von: Sarowar, Md Selim, et al.
Veröffentlicht: (2025)

Learning to Steer: Input-dependent Steering for Multimodal LLMs
von: Parekh, Jayneel, et al.
Veröffentlicht: (2025)

Reading Between the Pixels: Linking Text-Image Embedding Alignment to Typographic Attack Success on Vision-Language Models
von: Balakrishnan, Ravikumar, et al.
Veröffentlicht: (2026)

Steering Visual Generation in Unified Multimodal Models with Understanding Supervision
von: Liu, Zeyu, et al.
Veröffentlicht: (2026)

Vision Language Model-based Caption Evaluation Method Leveraging Visual Context Extraction
von: Maeda, Koki, et al.
Veröffentlicht: (2024)

Skill-Conditioned Visual Geolocation for Vision-Language Models
von: Yang, Chenjie, et al.
Veröffentlicht: (2026)

Generative Visual Communication in the Era of Vision-Language Models
von: Vinker, Yael
Veröffentlicht: (2024)

InfiniteVL: Synergizing Linear and Sparse Attention for Highly-Efficient, Unlimited-Input Vision-Language Models
von: Tao, Hongyuan, et al.
Veröffentlicht: (2025)

Decomposing Complex Visual Comprehension into Atomic Visual Skills for Vision Language Models
von: Chae, Hyunsik, et al.
Veröffentlicht: (2025)

Decoding Vision Transformers: the Diffusion Steering Lens
von: Takatsuki, Ryota, et al.
Veröffentlicht: (2025)

Fine-Tuning Vision-Language Models for Visual Navigation Assistance
von: Li, Xiao, et al.
Veröffentlicht: (2025)

The Effects of Visual Priming on Cooperative Behavior in Vision-Language Models
von: Ong, Kenneth J. K.
Veröffentlicht: (2026)

Reasoning under Vision: Understanding Visual-Spatial Cognition in Vision-Language Models for CAPTCHA
von: Song, Python, et al.
Veröffentlicht: (2025)

TrajectoryCrafter: Redirecting Camera Trajectory for Monocular Videos via Diffusion Models
von: YU, Mark, et al.
Veröffentlicht: (2025)

Visual Graph Arena: Evaluating Visual Conceptualization of Vision and Multimodal Large Language Models
von: Babaiee, Zahra, et al.
Veröffentlicht: (2025)

When Visuals Aren't the Problem: Evaluating Vision-Language Models on Misleading Data Visualizations
von: Lalai, Harsh Nishant, et al.
Veröffentlicht: (2026)

Vision-Language Introspection: Mitigating Overconfident Hallucinations in MLLMs via Interpretable Bi-Causal Steering
von: Liu, Shuliang, et al.
Veröffentlicht: (2026)

Mitigating the Reasoning Tax in Vision-Language Fine-Tuning with Input-Adaptive Depth Aggregation
von: Ren, Yiming, et al.
Veröffentlicht: (2026)

Unveiling the Response of Large Vision-Language Models to Visually Absent Tokens
von: Kim, Sohee, et al.
Veröffentlicht: (2025)

Beyond Recognition: Evaluating Visual Perspective Taking in Vision Language Models
von: Góral, Gracjan, et al.
Veröffentlicht: (2025)

Leveraging Vision-Language Models for Visual Grounding and Analysis of Automotive UI
von: Ernhofer, Benjamin Raphael, et al.
Veröffentlicht: (2025)

QAVA: Query-Agnostic Visual Attack to Large Vision-Language Models
von: Zhang, Yudong, et al.
Veröffentlicht: (2025)

Medical Large Vision Language Models with Multi-Image Visual Ability
von: Yang, Xikai, et al.
Veröffentlicht: (2025)

Adapting Lightweight Vision Language Models for Radiological Visual Question Answering
von: Shourya, Aditya, et al.
Veröffentlicht: (2025)