Buchumschlag

Do VLMs Have Bad Eyes? Diagnosing Compositional Failures via Mechanistic Interpretability

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Aravindan, Ashwath Vaithinathan, Jha, Abha, Kulkarni, Mihir
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

Sealing The Backdoor: Unlearning Adversarial Text Triggers In Diffusion Models Using Knowledge Distillation
von: Aravindan, Ashwath Vaithinathan, et al.
Veröffentlicht: (2025)

Backdoor Defense in Diffusion Models via Spatial Attention Unlearning
von: Jha, Abha, et al.
Veröffentlicht: (2025)

VLMs Trace Without Tracking: Diagnosing Failures in Visual Path Following
von: Hong, Hyesoo, et al.
Veröffentlicht: (2026)

Second Guess: Detecting Uncertainty Through Abstention and Answer Stability in Small Language Models
von: Aravindan, Ashwath Vaithinathan, et al.
Veröffentlicht: (2026)

Fragile Thoughts: How Large Language Models Handle Chain-of-Thought Perturbations
von: Aravindan, Ashwath Vaithinathan, et al.
Veröffentlicht: (2026)

CrossCheck-Bench: Diagnosing Compositional Failures in Multimodal Conflict Resolution
von: Tian, Baoliang, et al.
Veröffentlicht: (2025)

NICE FACT: Diagnosing and Calibrating VLMs in Quantitative Reasoning for Kinematic Physics
von: Lan, Jian, et al.
Veröffentlicht: (2026)

UHR-Micro: Diagnosing and Mitigating the Resolution Illusion in Earth Observation VLMs
von: Ni, Shuo, et al.
Veröffentlicht: (2026)

Have the VLMs Lost Confidence? A Study of Sycophancy in VLMs
von: Li, Shuo, et al.
Veröffentlicht: (2024)

Eye Gaze Tells You Where to Compute: Gaze-Driven Efficient VLMs
von: Chen, Qinyu, et al.
Veröffentlicht: (2025)

VLMs Guided Interpretable Decision Making for Autonomous Driving
von: Hu, Xin, et al.
Veröffentlicht: (2025)

CLUENet: Cluster Attention Makes Neural Networks Have Eyes
von: Song, Xiangshuai, et al.
Veröffentlicht: (2025)

Smart Eyes for Silent Threats: VLMs and In-Context Learning for THz Imaging
von: Poggi, Nicolas, et al.
Veröffentlicht: (2025)

Diagnose, Correct, and Learn from Manipulation Failures via Visual Symbols
von: Zeng, Xianchao, et al.
Veröffentlicht: (2025)

MedConcept: Unsupervised Concept Discovery for Interpretability in Medical VLMs
von: Haque, Md Rakibul, et al.
Veröffentlicht: (2026)

Your Vision-Language Model Can't Even Count to 20: Exposing the Failures of VLMs in Compositional Counting
von: Guo, Xuyang, et al.
Veröffentlicht: (2025)

Multi-View Camera System for Variant-Aware Autonomous Vehicle Inspection and Defect Detection
von: Kulkarni, Yash, et al.
Veröffentlicht: (2025)

Interpret, prune and distill Donut : towards lightweight VLMs for VQA on document
von: Mansour, Adnan Ben, et al.
Veröffentlicht: (2025)

ConMe: Rethinking Evaluation of Compositional Reasoning for Modern VLMs
von: Huang, Irene, et al.
Veröffentlicht: (2024)

DISSECT: Diagnosing Where Vision Ends and Language Priors Begin in Scientific VLMs
von: Kukreja, Dikshant, et al.
Veröffentlicht: (2026)

BioVLM: Routing Prompts, Not Parameters, for Cross-Modality Generalization in Biomedical VLMs
von: Singha, Mainak, et al.
Veröffentlicht: (2026)

Explainable Transformer Prototypes for Medical Diagnoses
von: Demir, Ugur, et al.
Veröffentlicht: (2024)

Continuous Perception Matters: Diagnosing Temporal Integration Failures in Multimodal Models
von: Wang, Zeyu, et al.
Veröffentlicht: (2024)

Rewarding Intellectual Humility Learning When Not To Answer In Large Language Models
von: Jha, Abha, et al.
Veröffentlicht: (2026)

Dissecting and Mitigating Diffusion Bias via Mechanistic Interpretability
von: Shi, Yingdong, et al.
Veröffentlicht: (2025)

GeoStack: A Framework for Quasi-Abelian Knowledge Composition in VLMs
von: Mantini, Pranav, et al.
Veröffentlicht: (2026)

Robust Object Detection with Pseudo Labels from VLMs using Per-Object Co-teaching
von: Bhaskar, Uday, et al.
Veröffentlicht: (2025)

Do VLMs Have a Moral Backbone? A Study on the Fragile Morality of Vision-Language Models
von: Liu, Zhining, et al.
Veröffentlicht: (2026)

Thinking with Gaze: Sequential Eye-Tracking as Visual Reasoning Supervision for Medical VLMs
von: Li, Yiwei, et al.
Veröffentlicht: (2026)

Interpreting Biomedical VLMs on High-Imbalance Out-of-Distributions: An Insight into BiomedCLIP on Radiology
von: Sadman, Nafiz, et al.
Veröffentlicht: (2025)

Similarity-as-Evidence: Calibrating Overconfident VLMs for Interpretable and Label-Efficient Medical Active Learning
von: Xie, Zhuofan, et al.
Veröffentlicht: (2026)

Evaluating Compositional Generalisation in VLMs and Diffusion Models
von: Pearson, Beth, et al.
Veröffentlicht: (2025)

Long Story Short: Disentangling Compositionality and Long-Caption Understanding in Contrastive VLMs
von: Salazar, Israfel, et al.
Veröffentlicht: (2025)

Scale Alone Does not Improve Mechanistic Interpretability in Vision Models
von: Zimmermann, Roland S., et al.
Veröffentlicht: (2023)

Synthetic Designed Experiments for Diagnosing Vision Model Failure
von: Sarkar, Krisanu
Veröffentlicht: (2026)

Interpretable Failure Detection with Human-Level Concepts
von: Nguyen, Kien X., et al.
Veröffentlicht: (2025)

PRIME: Prioritizing Interpretability in Failure Mode Extraction
von: Rezaei, Keivan, et al.
Veröffentlicht: (2023)

Do VLMs Perceive or Recall? Probing Visual Perception vs. Memory with Classic Visual Illusions
von: Sun, Xiaoxiao, et al.
Veröffentlicht: (2026)

Manipulating a Tetris-Inspired 3D Video Representation
von: Godbole, Mihir
Veröffentlicht: (2024)

Rethinking Visual Privacy: A Compositional Privacy Risk Framework for Severity Assessment with VLMs
von: Tsaprazlis, Efthymios, et al.
Veröffentlicht: (2026)