Buchumschlag

LVLMs as inspectors: an agentic framework for category-level structural defect annotation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jiang, Sheng, Ning, Yuanmin, Huang, Bingxi, Chen, Peiyin, Chen, Zhaohui
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

DEMO: Disentangled Motion Latent Flow Matching for Fine-Grained Controllable Talking Portrait Synthesis
von: Chen, Peiyin, et al.
Veröffentlicht: (2025)

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

Broken Memories: Detecting and Mitigating Memorization in Diffusion Models with Degraded Generations
von: Huang, Yuanmin, et al.
Veröffentlicht: (2026)

Evidence Packing for Cross-Domain Image Deepfake Detection with LVLMs
von: Liu, Yuxin, et al.
Veröffentlicht: (2026)

Attention Hijackers: Detect and Disentangle Attention Hijacking in LVLMs for Hallucination Mitigation
von: Chen, Beitao, et al.
Veröffentlicht: (2025)

Paying More Attention to Image: A Training-Free Method for Alleviating Hallucination in LVLMs
von: Liu, Shi, et al.
Veröffentlicht: (2024)

MVI-Bench: A Comprehensive Benchmark for Evaluating Robustness to Misleading Visual Inputs in LVLMs
von: Chen, Huiyi, et al.
Veröffentlicht: (2025)

Unlocking Multilingual Reasoning Capability of LLMs and LVLMs through Representation Engineering
von: Li, Qiming, et al.
Veröffentlicht: (2025)

SHALE: A Scalable Benchmark for Fine-grained Hallucination Evaluation in LVLMs
von: Yan, Bei, et al.
Veröffentlicht: (2025)

Dysca: A Dynamic and Scalable Benchmark for Evaluating Perception Ability of LVLMs
von: Zhang, Jie, et al.
Veröffentlicht: (2024)

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

HG-Lane: High-Fidelity Generation of Lane Scenes under Adverse Weather and Lighting Conditions without Re-annotation
von: Zhao, Daichao, et al.
Veröffentlicht: (2026)

Benchmarking Corruption Robustness of LVLMs: A Discriminative Benchmark and Robustness Alignment Metric
von: Sui, Xiangjie, et al.
Veröffentlicht: (2025)

EmbodiedPlace: Learning Mixture-of-Features with Embodied Constraints for Visual Place Recognition
von: Liu, Bingxi, et al.
Veröffentlicht: (2025)

Learnable Query Aggregation with KV Routing for Cross-view Geo-localisation
von: Ye, Hualin, et al.
Veröffentlicht: (2025)

Hierarchical Visual Relocalization with Nearest View Synthesis from Feature Gaussian Splatting
von: Tao, Huaqi, et al.
Veröffentlicht: (2026)

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

IVC-Prune: Revealing the Implicit Visual Coordinates in LVLMs for Vision Token Pruning
von: Sun, Zhichao, et al.
Veröffentlicht: (2026)

Optimizing LVLMs with On-Policy Data for Effective Hallucination Mitigation
von: Yu, Chengzhi, et al.
Veröffentlicht: (2025)

CATCH: Complementary Adaptive Token-level Contrastive Decoding to Mitigate Hallucinations in LVLMs
von: Kan, Zhehan, et al.
Veröffentlicht: (2024)

Getting to the Point: Pointing Improves LVLMs at Counting
von: Alghisi, Simone, et al.
Veröffentlicht: (2026)

See It, Say It, Sorted: An Iterative Training-Free Framework for Visually-Grounded Multimodal Reasoning in LVLMs
von: Zhang, Yongchang, et al.
Veröffentlicht: (2026)

MT-PCR: Hybrid Mamba-Transformer Network with Spatial Serialization for Point Cloud Registration
von: Liu, Bingxi, et al.
Veröffentlicht: (2025)

AutoV: Loss-Oriented Ranking for Visual Prompt Retrieval in LVLMs
von: Zhang, Yuan, et al.
Veröffentlicht: (2025)

Vision Mamba-based autonomous crack segmentation on concrete, asphalt, and masonry surfaces
von: Chen, Zhaohui, et al.
Veröffentlicht: (2024)

Robust feature knowledge distillation for enhanced performance of lightweight crack segmentation models
von: Chen, Zhaohui, et al.
Veröffentlicht: (2024)

TextInPlace: Indoor Visual Place Recognition in Repetitive Structures with Scene Text Spotting and Verification
von: Tao, Huaqi, et al.
Veröffentlicht: (2025)

ZScribbleSeg: A comprehensive segmentation framework with modeling of efficient annotation and maximization of scribble supervision
von: Zhang, Ke, et al.
Veröffentlicht: (2026)

IWR-Bench: Can LVLMs reconstruct interactive webpage from a user interaction video?
von: Chen, Yang, et al.
Veröffentlicht: (2025)

Self-Prophetic Decoding to Unlock Visual Search in LVLMs
von: He, Zhendong, et al.
Veröffentlicht: (2026)

Revealing Perception and Generation Dynamics in LVLMs: Mitigating Hallucinations via Validated Dominance Correction
von: Lyu, Guangtao, et al.
Veröffentlicht: (2025)

Remember Me: Bridging the Long-Range Gap in LVLMs with Three-Step Inference-Only Decay Resilience Strategies
von: Gao, Peng, et al.
Veröffentlicht: (2025)

MMFakeBench: A Mixed-Source Multimodal Misinformation Detection Benchmark for LVLMs
von: Liu, Xuannan, et al.
Veröffentlicht: (2024)

GenVideoLens: Where LVLMs Fall Short in AI-Generated Video Detection?
von: Zou, Yueying, et al.
Veröffentlicht: (2026)

Improving Alignment in LVLMs with Debiased Self-Judgment
von: Yang, Sihan, et al.
Veröffentlicht: (2025)

CoMemo: LVLMs Need Image Context with Image Memory
von: Liu, Shi, et al.
Veröffentlicht: (2025)

Improving Semantic Uncertainty Quantification in LVLMs with Semantic Gaussian Processes
von: Hoche, Joseph, et al.
Veröffentlicht: (2025)

Video-SafetyBench: A Benchmark for Safety Evaluation of Video LVLMs
von: Liu, Xuannan, et al.
Veröffentlicht: (2025)

CHASD: Language Increment-Calibrated Contrastive Decoding against Hallucination in LVLMs
von: Huang, Xiaoyi, et al.
Veröffentlicht: (2026)

TACO: Think-Answer Consistency for Optimized Long-Chain Reasoning and Efficient Data Learning via Reinforcement Learning in LVLMs
von: Kan, Zhehan, et al.
Veröffentlicht: (2025)