AcT2I: Evaluating and Improving Action Depiction in Text-to-Image Models
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Malaviya, Vatsal, Chatterjee, Agneet, Patel, Maitreya, Yang, Yezhou, Baral, Chitta |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
TextInVision: Text and Prompt Complexity Driven Visual Text Generation Benchmark
par: Fallah, Forouzan, et autres
Publié: (2025)
par: Fallah, Forouzan, et autres
Publié: (2025)
ConceptBed: Evaluating Concept Learning Abilities of Text-to-Image Diffusion Models
par: Patel, Maitreya, et autres
Publié: (2023)
par: Patel, Maitreya, et autres
Publié: (2023)
$λ$-ECLIPSE: Multi-Concept Personalized Text-to-Image Diffusion Models by Leveraging CLIP Latent Space
par: Patel, Maitreya, et autres
Publié: (2024)
par: Patel, Maitreya, et autres
Publié: (2024)
On the Robustness of Language Guidance for Low-Level Vision Tasks: Findings from Depth Estimation
par: Chatterjee, Agneet, et autres
Publié: (2024)
par: Chatterjee, Agneet, et autres
Publié: (2024)
RefEdit: A Benchmark and Method for Improving Instruction-based Image Editing Model on Referring Expressions
par: Pathiraja, Bimsara, et autres
Publié: (2025)
par: Pathiraja, Bimsara, et autres
Publié: (2025)
REVISION: Rendering Tools Enable Spatial Fidelity in Vision-Language Models
par: Chatterjee, Agneet, et autres
Publié: (2024)
par: Chatterjee, Agneet, et autres
Publié: (2024)
Help Me Identify: Is an LLM+VQA System All We Need to Identify Visual Concepts?
par: Sampat, Shailaja Keyur, et autres
Publié: (2024)
par: Sampat, Shailaja Keyur, et autres
Publié: (2024)
Chimera: Compositional Image Generation using Part-based Concepting
par: Singh, Shivam, et autres
Publié: (2025)
par: Singh, Shivam, et autres
Publié: (2025)
ActionCOMET: A Zero-shot Approach to Learn Image-specific Commonsense Concepts about Actions
par: Sampat, Shailaja Keyur, et autres
Publié: (2024)
par: Sampat, Shailaja Keyur, et autres
Publié: (2024)
Precision or Recall? An Analysis of Image Captions for Training Text-to-Image Generation Model
par: Cheng, Sheng, et autres
Publié: (2024)
par: Cheng, Sheng, et autres
Publié: (2024)
Dual Caption Preference Optimization for Diffusion Models
par: Saeidi, Amir, et autres
Publié: (2025)
par: Saeidi, Amir, et autres
Publié: (2025)
Getting it Right: Improving Spatial Consistency in Text-to-Image Models
par: Chatterjee, Agneet, et autres
Publié: (2024)
par: Chatterjee, Agneet, et autres
Publié: (2024)
Investigating VLM Hallucination from a Cognitive Psychology Perspective: A First Step Toward Interpretation with Intriguing Observations
par: Liu, Xiangrui, et autres
Publié: (2025)
par: Liu, Xiangrui, et autres
Publié: (2025)
Harnessing Synthetic Preference Data for Enhancing Temporal Understanding of Video-LLMs
par: Vani, Sameep, et autres
Publié: (2025)
par: Vani, Sameep, et autres
Publié: (2025)
TripletCLIP: Improving Compositional Reasoning of CLIP via Synthetic Vision-Language Negatives
par: Patel, Maitreya, et autres
Publié: (2024)
par: Patel, Maitreya, et autres
Publié: (2024)
EraseFlow: Learning Concept Erasure Policies via GFlowNet-Driven Alignment
par: Kusumba, Abhiram, et autres
Publié: (2025)
par: Kusumba, Abhiram, et autres
Publié: (2025)
Stable Cinemetrics : Structured Taxonomy and Evaluation for Professional Video Generation
par: Chatterjee, Agneet, et autres
Publié: (2025)
par: Chatterjee, Agneet, et autres
Publié: (2025)
VOILA: Evaluation of MLLMs For Perceptual Understanding and Analogical Reasoning
par: Yilmaz, Nilay, et autres
Publié: (2025)
par: Yilmaz, Nilay, et autres
Publié: (2025)
WOUAF: Weight Modulation for User Attribution and Fingerprinting in Text-to-Image Diffusion Models
par: Kim, Changhoon, et autres
Publié: (2023)
par: Kim, Changhoon, et autres
Publié: (2023)
Steering Rectified Flow Models in the Vector Field for Controlled Image Generation
par: Patel, Maitreya, et autres
Publié: (2024)
par: Patel, Maitreya, et autres
Publié: (2024)
VibeToken: Scaling 1D Image Tokenizers and Autoregressive Models for Dynamic Resolution Generations
par: Patel, Maitreya, et autres
Publié: (2026)
par: Patel, Maitreya, et autres
Publié: (2026)
Grounding Stylistic Domain Generalization with Quantitative Domain Shift Measures and Synthetic Scene Images
par: Luo, Yiran, et autres
Publié: (2024)
par: Luo, Yiran, et autres
Publié: (2024)
Lost in Translation? Translation Errors and Challenges for Fair Assessment of Text-to-Image Models on Multilingual Concepts
par: Saxon, Michael, et autres
Publié: (2024)
par: Saxon, Michael, et autres
Publié: (2024)
MentalBlackboard: Evaluating Spatial Visualization via Mathematical Transformations
par: Yilmaz, Nilay, et autres
Publié: (2026)
par: Yilmaz, Nilay, et autres
Publié: (2026)
VL-GLUE: A Suite of Fundamental yet Challenging Visuo-Linguistic Reasoning Tasks
par: Sampat, Shailaja Keyur, et autres
Publié: (2024)
par: Sampat, Shailaja Keyur, et autres
Publié: (2024)
R.A.C.E.: Robust Adversarial Concept Erasure for Secure Text-to-Image Diffusion Model
par: Kim, Changhoon, et autres
Publié: (2024)
par: Kim, Changhoon, et autres
Publié: (2024)
GETReason: Enhancing Image Context Extraction through Hierarchical Multi-Agent Reasoning
par: Siingh, Shikhhar, et autres
Publié: (2025)
par: Siingh, Shikhhar, et autres
Publié: (2025)
TROPE: TRaining-Free Object-Part Enhancement for Seamlessly Improving Fine-Grained Zero-Shot Image Captioning
par: Feinglass, Joshua, et autres
Publié: (2024)
par: Feinglass, Joshua, et autres
Publié: (2024)
CLR-Face: Conditional Latent Refinement for Blind Face Restoration Using Score-Based Diffusion Models
par: Suin, Maitreya, et autres
Publié: (2024)
par: Suin, Maitreya, et autres
Publié: (2024)
VersaT2I: Improving Text-to-Image Models with Versatile Reward
par: Guo, Jianshu, et autres
Publié: (2024)
par: Guo, Jianshu, et autres
Publié: (2024)
Can Text-to-Image Generative Models Accurately Depict Age? A Comparative Study on Synthetic Portrait Generation and Age Estimation
par: Novikov, Alexey A., et autres
Publié: (2025)
par: Novikov, Alexey A., et autres
Publié: (2025)
MMTABREAL: Real-World Benchmark for Multimodal Table Understanding
par: Titiya, Prasham, et autres
Publié: (2025)
par: Titiya, Prasham, et autres
Publié: (2025)
Hi-Light: A Path to high-fidelity, high-resolution video relighting with a Novel Evaluation Paradigm
par: Liu, Xiangrui, et autres
Publié: (2026)
par: Liu, Xiangrui, et autres
Publié: (2026)
Culture in Action: Evaluating Text-to-Image Models through Social Activities
par: Malakouti, Sina, et autres
Publié: (2025)
par: Malakouti, Sina, et autres
Publié: (2025)
The Perceptual Observatory Characterizing Robustness and Grounding in MLLMs
par: Anvekar, Tejas, et autres
Publié: (2025)
par: Anvekar, Tejas, et autres
Publié: (2025)
Mars-Bench: A Benchmark for Evaluating Foundation Models for Mars Science Tasks
par: Purohit, Mirali, et autres
Publié: (2025)
par: Purohit, Mirali, et autres
Publié: (2025)
Depicting Beyond Scores: Advancing Image Quality Assessment through Multi-modal Language Models
par: You, Zhiyuan, et autres
Publié: (2023)
par: You, Zhiyuan, et autres
Publié: (2023)
DiffMorph: Text-less Image Morphing with Diffusion Models
par: Chatterjee, Shounak
Publié: (2024)
par: Chatterjee, Shounak
Publié: (2024)
DynT2I-Eval: A Dynamic Evaluation Framework for Text-to-Image Models
par: Wang, Juntong, et autres
Publié: (2026)
par: Wang, Juntong, et autres
Publié: (2026)
GuardT2I: Defending Text-to-Image Models from Adversarial Prompts
par: Yang, Yijun, et autres
Publié: (2024)
par: Yang, Yijun, et autres
Publié: (2024)
Documents similaires
-
TextInVision: Text and Prompt Complexity Driven Visual Text Generation Benchmark
par: Fallah, Forouzan, et autres
Publié: (2025) -
ConceptBed: Evaluating Concept Learning Abilities of Text-to-Image Diffusion Models
par: Patel, Maitreya, et autres
Publié: (2023) -
$λ$-ECLIPSE: Multi-Concept Personalized Text-to-Image Diffusion Models by Leveraging CLIP Latent Space
par: Patel, Maitreya, et autres
Publié: (2024) -
On the Robustness of Language Guidance for Low-Level Vision Tasks: Findings from Depth Estimation
par: Chatterjee, Agneet, et autres
Publié: (2024) -
RefEdit: A Benchmark and Method for Improving Instruction-based Image Editing Model on Referring Expressions
par: Pathiraja, Bimsara, et autres
Publié: (2025)