Enregistré dans:
| Auteurs principaux: | Bianchi, Edoardo, Staiano, Jacopo, Liotta, Antonio |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | https://arxiv.org/abs/2509.26278 |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
SkillFormer: Unified Multi-View Video Understanding for Proficiency Estimation
par: Bianchi, Edoardo, et autres
Publié: (2025)
par: Bianchi, Edoardo, et autres
Publié: (2025)
PATS: Proficiency-Aware Temporal Sampling for Multi-View Sports Skill Assessment
par: Bianchi, Edoardo, et autres
Publié: (2025)
par: Bianchi, Edoardo, et autres
Publié: (2025)
Parameter-Efficient Multi-View Proficiency Estimation: From Discriminative Classification to Generative Feedback
par: Bianchi, Edoardo, et autres
Publié: (2026)
par: Bianchi, Edoardo, et autres
Publié: (2026)
How to Take a Memorable Picture? Empowering Users with Actionable Feedback
par: Laiti, Francesco, et autres
Publié: (2026)
par: Laiti, Francesco, et autres
Publié: (2026)
Towards a clinically accessible radiology foundation model: open-access and lightweight, with automated evaluation
par: Chaves, Juan Manuel Zambrano, et autres
Publié: (2024)
par: Chaves, Juan Manuel Zambrano, et autres
Publié: (2024)
When language and vision meet road safety: leveraging multimodal large language models for video-based traffic accident analysis
par: Zhang, Ruixuan, et autres
Publié: (2025)
par: Zhang, Ruixuan, et autres
Publié: (2025)
Critic-V: VLM Critics Help Catch VLM Errors in Multimodal Reasoning
par: Zhang, Di, et autres
Publié: (2024)
par: Zhang, Di, et autres
Publié: (2024)
Bridging vision language model (VLM) evaluation gaps with a framework for scalable and cost-effective benchmark generation
par: Rädsch, Tim, et autres
Publié: (2025)
par: Rädsch, Tim, et autres
Publié: (2025)
Towards Deployable OCR models for Indic languages
par: Mathew, Minesh, et autres
Publié: (2022)
par: Mathew, Minesh, et autres
Publié: (2022)
A Visually Impaired Assistance Benchmark for VLM-as-a-Judge Evaluation
par: Zhao, Yi, et autres
Publié: (2026)
par: Zhao, Yi, et autres
Publié: (2026)
PersonaVLM: Long-Term Personalized Multimodal LLMs
par: Nie, Chang, et autres
Publié: (2026)
par: Nie, Chang, et autres
Publié: (2026)
Systematic Reward Gap Optimization for Mitigating VLM Hallucinations
par: He, Lehan, et autres
Publié: (2024)
par: He, Lehan, et autres
Publié: (2024)
OmDet: Large-scale vision-language multi-dataset pre-training with multimodal detection network
par: Zhao, Tiancheng, et autres
Publié: (2022)
par: Zhao, Tiancheng, et autres
Publié: (2022)
Frame Sampling Strategies Matter: A Benchmark for small vision language models
par: Brkic, Marija, et autres
Publié: (2025)
par: Brkic, Marija, et autres
Publié: (2025)
Re:Verse -- Can Your VLM Read a Manga?
par: Baranwal, Aaditya, et autres
Publié: (2025)
par: Baranwal, Aaditya, et autres
Publié: (2025)
GeoDANO: Geometric VLM with Domain Agnostic Vision Encoder
par: Cho, Seunghyuk, et autres
Publié: (2025)
par: Cho, Seunghyuk, et autres
Publié: (2025)
EMemBench: Interactive Benchmarking of Episodic Memory for VLM Agents
par: Li, Xinze, et autres
Publié: (2026)
par: Li, Xinze, et autres
Publié: (2026)
A Grounded Typology of Word Classes
par: Haley, Coleman, et autres
Publié: (2024)
par: Haley, Coleman, et autres
Publié: (2024)
OViP: Online Vision-Language Preference Learning for VLM Hallucination
par: Liu, Shujun, et autres
Publié: (2025)
par: Liu, Shujun, et autres
Publié: (2025)
Evaluating Visual and Cultural Interpretation: The K-Viscuit Benchmark with Human-VLM Collaboration
par: Park, ChaeHun, et autres
Publié: (2024)
par: Park, ChaeHun, et autres
Publié: (2024)
VLM-R1: A Stable and Generalizable R1-style Large Vision-Language Model
par: Shen, Haozhan, et autres
Publié: (2025)
par: Shen, Haozhan, et autres
Publié: (2025)
From Behavioral Performance to Internal Competence: Interpreting Vision-Language Models with VLM-Lens
par: Sheta, Hala, et autres
Publié: (2025)
par: Sheta, Hala, et autres
Publié: (2025)
Praxis-VLM: Vision-Grounded Decision Making via Text-Driven Reinforcement Learning
par: Hu, Zhe, et autres
Publié: (2025)
par: Hu, Zhe, et autres
Publié: (2025)
Assessing the alignment between infants' visual and linguistic experience using multimodal language models
par: Tan, Alvin Wei Ming, et autres
Publié: (2025)
par: Tan, Alvin Wei Ming, et autres
Publié: (2025)
PatientVLM Meets DocVLM: Pre-Consultation Dialogue Between Vision-Language Models for Efficient Diagnosis
par: Lokesh, K, et autres
Publié: (2026)
par: Lokesh, K, et autres
Publié: (2026)
Interpreting the linear structure of vision-language model embedding spaces
par: Papadimitriou, Isabel, et autres
Publié: (2025)
par: Papadimitriou, Isabel, et autres
Publié: (2025)
VLM2Vec-V2: Advancing Multimodal Embedding for Videos, Images, and Visual Documents
par: Meng, Rui, et autres
Publié: (2025)
par: Meng, Rui, et autres
Publié: (2025)
SCoPE VLM: Selective Context Processing for Efficient Document Navigation in Vision-Language Models
par: Lim, Gyubeum, et autres
Publié: (2025)
par: Lim, Gyubeum, et autres
Publié: (2025)
VLM-3R: Vision-Language Models Augmented with Instruction-Aligned 3D Reconstruction
par: Fan, Zhiwen, et autres
Publié: (2025)
par: Fan, Zhiwen, et autres
Publié: (2025)
EnsemHalDet: Robust VLM Hallucination Detection via Ensemble of Internal State Detectors
par: Miyazato, Ryuhei, et autres
Publié: (2026)
par: Miyazato, Ryuhei, et autres
Publié: (2026)
PubMed-Ophtha: An open resource for training ophthalmology vision-language models on scientific literature
par: Hallitschke, Verena Jasmin, et autres
Publié: (2026)
par: Hallitschke, Verena Jasmin, et autres
Publié: (2026)
Image captioning in different languages
par: van Miltenburg, Emiel
Publié: (2024)
par: van Miltenburg, Emiel
Publié: (2024)
VLM-FO1: Bridging the Gap Between High-Level Reasoning and Fine-Grained Perception in VLMs
par: Liu, Peng, et autres
Publié: (2025)
par: Liu, Peng, et autres
Publié: (2025)
SynthVLM: Towards High-Quality and Efficient Synthesis of Image-Caption Datasets for Vision-Language Models
par: Liu, Zheng, et autres
Publié: (2024)
par: Liu, Zheng, et autres
Publié: (2024)
Semantic-Drive: Democratizing Long-Tail Data Curation via Open-Vocabulary Grounding and Neuro-Symbolic VLM Consensus
par: Guillen-Perez, Antonio
Publié: (2025)
par: Guillen-Perez, Antonio
Publié: (2025)
Automating construction safety inspections using a multi-modal vision-language RAG framework
par: Wang, Chenxin, et autres
Publié: (2025)
par: Wang, Chenxin, et autres
Publié: (2025)
Navigation with VLM framework: Towards Going to Any Language
par: Yin, Zecheng, et autres
Publié: (2024)
par: Yin, Zecheng, et autres
Publié: (2024)
LLMPopcorn: Exploring LLMs as Assistants for Popular Micro-video Generation
par: Fu, Junchen, et autres
Publié: (2025)
par: Fu, Junchen, et autres
Publié: (2025)
StreamingVLM: Real-Time Understanding for Infinite Video Streams
par: Xu, Ruyi, et autres
Publié: (2025)
par: Xu, Ruyi, et autres
Publié: (2025)
Nüwa: Mending the Spatial Integrity Torn by VLM Token Pruning
par: Huang, Yihong, et autres
Publié: (2026)
par: Huang, Yihong, et autres
Publié: (2026)
Documents similaires
-
SkillFormer: Unified Multi-View Video Understanding for Proficiency Estimation
par: Bianchi, Edoardo, et autres
Publié: (2025) -
PATS: Proficiency-Aware Temporal Sampling for Multi-View Sports Skill Assessment
par: Bianchi, Edoardo, et autres
Publié: (2025) -
Parameter-Efficient Multi-View Proficiency Estimation: From Discriminative Classification to Generative Feedback
par: Bianchi, Edoardo, et autres
Publié: (2026) -
How to Take a Memorable Picture? Empowering Users with Actionable Feedback
par: Laiti, Francesco, et autres
Publié: (2026) -
Towards a clinically accessible radiology foundation model: open-access and lightweight, with automated evaluation
par: Chaves, Juan Manuel Zambrano, et autres
Publié: (2024)