Buchumschlag

HumanPCR: Probing MLLM Capabilities in Diverse Human-Centric Scenes

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Keliang, Shen, Hongze, Shi, Hao, Hou, Ruibing, Chang, Hong, Huang, Jie, Jia, Chenghao, Wang, Wen, Wu, Yiling, Jiang, Dongmei, Shan, Shiguang, Chen, Xilin
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

HERM: Benchmarking and Enhancing Multimodal LLMs for Human-Centric Understanding
von: Li, Keliang, et al.
Veröffentlicht: (2024)

RefHCM: A Unified Model for Referring Perceptions in Human-Centric Scenarios
von: Huang, Jie, et al.
Veröffentlicht: (2024)

UniPose: A Unified Multimodal Framework for Human Pose Comprehension, Generation and Editing
von: Li, Yiheng, et al.
Veröffentlicht: (2024)

HIS-GPT: Towards 3D Human-In-Scene Multimodal Understanding
von: Zhao, Jiahe, et al.
Veröffentlicht: (2025)

MATS: An Audio Language Model under Text-only Supervision
von: Wang, Wen, et al.
Veröffentlicht: (2025)

CLIP-Guided Adaptable Self-Supervised Learning for Human-Centric Visual Tasks
von: Luo, Mingshuang, et al.
Veröffentlicht: (2026)

Component-Based Out-of-Distribution Detection
von: Liu, Wenrui, et al.
Veröffentlicht: (2026)

KnowMol: Advancing Molecular Large Language Models with Multi-Level Chemical Knowledge
von: Yang, Zaifei, et al.
Veröffentlicht: (2025)

DIVE: Inverting Conditional Diffusion Models for Discriminative Tasks
von: Li, Yinqi, et al.
Veröffentlicht: (2025)

LensWalk: Agentic Video Understanding by Planning How You See in Videos
von: Li, Keliang, et al.
Veröffentlicht: (2026)

un$^2$CLIP: Improving CLIP's Visual Detail Capturing Ability via Inverting unCLIP
von: Li, Yinqi, et al.
Veröffentlicht: (2025)

Revisiting Logit Distributions for Reliable Out-of-Distribution Detection
von: Liang, Jiachen, et al.
Veröffentlicht: (2025)

Generalized Semi-Supervised Learning via Self-Supervised Feature Adaptation
von: Liang, Jiachen, et al.
Veröffentlicht: (2024)

UMFC: Unsupervised Multi-Domain Feature Calibration for Vision-Language Models
von: Liang, Jiachen, et al.
Veröffentlicht: (2024)

Clothes-Changing Person Re-Identification with Feasibility-Aware Intermediary Matching
von: Zhao, Jiahe, et al.
Veröffentlicht: (2024)

MotionVerse: A Unified Multimodal Framework for Motion Comprehension, Generation and Editing
von: Hou, Ruibing, et al.
Veröffentlicht: (2025)

EgoMotion: Hierarchical Reasoning and Diffusion for Egocentric Vision-Language Motion Generation
von: Hou, Ruibing, et al.
Veröffentlicht: (2026)

M$^3$GPT: An Advanced Multimodal, Multitask Framework for Motion Comprehension and Generation
von: Luo, Mingshuang, et al.
Veröffentlicht: (2024)

AnyMo: Scaling Any-Modality Conditional Motion Generation with Masked Modeling
von: Li, Yiheng, et al.
Veröffentlicht: (2026)

Semantic or Covariate? A Study on the Intractable Case of Out-of-Distribution Detection
von: Long, Xingming, et al.
Veröffentlicht: (2024)

Trigger without Trace: Towards Stealthy Backdoor Attack on Text-to-Image Diffusion Models
von: Zhang, Jie, et al.
Veröffentlicht: (2025)

Dynamic Attention Analysis for Backdoor Detection in Text-to-Image Diffusion Models
von: Wang, Zhongqi, et al.
Veröffentlicht: (2025)

VOPE: Revisiting Hallucination of Vision-Language Models in Voluntary Imagination Task
von: Long, Xingming, et al.
Veröffentlicht: (2025)

Dual Attention Guided Defense Against Malicious Edits
von: Zhang, Jie, et al.
Veröffentlicht: (2025)

T2IShield: Defending Against Backdoors on Text-to-Image Diffusion Models
von: Wang, Zhongqi, et al.
Veröffentlicht: (2024)

Towards Transferable Defense Against Malicious Image Edits
von: Zhang, Jie, et al.
Veröffentlicht: (2025)

Assimilation Matters: Model-level Backdoor Detection in Vision-Language Pretrained Models
von: Wang, Zhongqi, et al.
Veröffentlicht: (2025)

FullLoRA: Efficiently Boosting the Robustness of Pretrained Vision Transformers
von: Yuan, Zheng, et al.
Veröffentlicht: (2024)

Rethinking the Evaluation of Out-of-Distribution Detection: A Sorites Paradox
von: Long, Xingming, et al.
Veröffentlicht: (2024)

Extending Human Capabilities Through Human Centric Human Robot Interaction
von: Gkrizis, Christos
Veröffentlicht: (2025)

Measuring the Measurers: Quality Evaluation of Hallucination Benchmarks for Large Vision-Language Models
von: Yan, Bei, et al.
Veröffentlicht: (2024)

INFACT: A Diagnostic Benchmark for Induced Faithfulness and Factuality Hallucinations in Video-LLMs
von: Yang, Junqi, et al.
Veröffentlicht: (2026)

MM-MoralBench: A MultiModal Moral Evaluation Benchmark for Large Vision-Language Models
von: Yan, Bei, et al.
Veröffentlicht: (2024)

Contrastive Spectral Rectification: Test-Time Defense towards Zero-shot Adversarial Robustness of CLIP
von: Nie, Sen, et al.
Veröffentlicht: (2026)

Towards Robust Semantic Segmentation against Patch-based Attack via Attention Refinement
von: Yuan, Zheng, et al.
Veröffentlicht: (2024)

V-Attack: Targeting Disentangled Value Features for Controllable Adversarial Attacks on LVLMs
von: Nie, Sen, et al.
Veröffentlicht: (2025)

ACT Now: Preempting LVLM Hallucinations via Adaptive Context Integration
von: Yan, Bei, et al.
Veröffentlicht: (2026)

Semantic Mismatch and Perceptual Degradation: A New Perspective on Image Editing Immunity
von: Dong, Shuai, et al.
Veröffentlicht: (2025)

Neural Gate: Mitigating Privacy Risks in LVLMs via Neuron-Level Gradient Gating
von: Cao, Xiangkui, et al.
Veröffentlicht: (2026)

EntropyScan: Towards Model-level Backdoor Detection in LVLMs via Visual Attention Entropy
von: Ge, Xuanyu, et al.
Veröffentlicht: (2026)