Copertina

Training-free Uncertainty Guidance for Complex Visual Tasks with MLLMs

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Kim, Sanghwan, Xiao, Rui, Alaniz, Stephan, Xian, Yongqin, Akata, Zeynep
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Computer Vision and Pattern Recognition
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

FINER: MLLMs Hallucinate under Fine-grained Negative Queries
di: Xiao, Rui, et al.
Pubblicazione: (2026)

FLAIR: VLM with Fine-grained Language-informed Image Representations
di: Xiao, Rui, et al.
Pubblicazione: (2024)

LoFT: LoRA-fused Training Dataset Generation with Few-shot Guidance
di: Kim, Jae Myung, et al.
Pubblicazione: (2025)

COSMOS: Cross-Modality Self-Distillation for Vision Language Pre-training
di: Kim, Sanghwan, et al.
Pubblicazione: (2024)

From Drop-off to Recovery: A Mechanistic Analysis of Segmentation in MLLMs
di: Wu, Boyong, et al.
Pubblicazione: (2026)

A Large Scale Analysis of Gender Biases in Text-to-Image Generative Models
di: Girrbach, Leander, et al.
Pubblicazione: (2025)

Explaining CLIP Zero-shot Predictions Through Concepts
di: Ozdemir, Onat, et al.
Pubblicazione: (2026)

SUB: Benchmarking CBM Generalization via Synthetic Attribute Substitutions
di: Bader, Jessica, et al.
Pubblicazione: (2025)

DataDream: Few-shot Guided Dataset Generation
di: Kim, Jae Myung, et al.
Pubblicazione: (2024)

Person-Centric Annotations of LAION-400M: Auditing Bias and Its Transfer to Models
di: Girrbach, Leander, et al.
Pubblicazione: (2025)

PALM: Predicting Actions through Language Models
di: Kim, Sanghwan, et al.
Pubblicazione: (2023)

Concept-Guided Interpretability via Neural Chunking
di: Wu, Shuchen, et al.
Pubblicazione: (2025)

Audio-Visual Generalized Zero-Shot Learning using Pre-Trained Large Multi-Modal Models
di: Kurzendörfer, David, et al.
Pubblicazione: (2024)

Vision-by-Language for Training-Free Compositional Image Retrieval
di: Karthik, Shyamgopal, et al.
Pubblicazione: (2023)

Sparse Autoencoders are Topic Models
di: Girrbach, Leander, et al.
Pubblicazione: (2025)

MIRAGE: Benchmarking and Aligning Multi-Instance Image Editing
di: Liu, Ziqian, et al.
Pubblicazione: (2026)

Visual Jigsaw Post-Training Improves MLLMs
di: Wu, Penghao, et al.
Pubblicazione: (2025)

Reflecting on the State of Rehearsal-free Continual Learning with Pretrained Models
di: Thede, Lukas, et al.
Pubblicazione: (2024)

DeLoRA: Decoupling Angles and Strength in Low-rank Adaptation
di: Bini, Massimo, et al.
Pubblicazione: (2025)

Distilling ODE Solvers of Diffusion Models into Smaller Steps
di: Kim, Sanghwan, et al.
Pubblicazione: (2023)

Pick-and-Draw: Training-free Semantic Guidance for Text-to-Image Personalization
di: Lv, Henglei, et al.
Pubblicazione: (2024)

EgoCVR: An Egocentric Benchmark for Fine-Grained Composed Video Retrieval
di: Hummel, Thomas, et al.
Pubblicazione: (2024)

[CLS] Token Tells Everything Needed for Training-free Efficient MLLMs
di: Wang, Ao, et al.
Pubblicazione: (2024)

VisualQuest: A Benchmark for Abstract Visual Reasoning in MLLMs
di: Xiao, Kelaiti, et al.
Pubblicazione: (2025)

ReNO: Enhancing One-step Text-to-Image Models through Reward-based Noise Optimization
di: Eyring, Luca, et al.
Pubblicazione: (2024)

Rethinking Concept Bottleneck Models: From Pitfalls to Solutions
di: Tapli, Merve, et al.
Pubblicazione: (2026)

MLLMs Know Where to Look: Training-free Perception of Small Visual Details with Multimodal LLMs
di: Zhang, Jiarui, et al.
Pubblicazione: (2025)

Toward a Diffusion-Based Generalist for Dense Vision Tasks
di: Fan, Yue, et al.
Pubblicazione: (2024)

DiffuseHigh: Training-free Progressive High-Resolution Image Synthesis through Structure Guidance
di: Kim, Younghyun, et al.
Pubblicazione: (2024)

Stitch: Training-Free Position Control in Multimodal Diffusion Transformers
di: Bader, Jessica, et al.
Pubblicazione: (2025)

Improving Intervention Efficacy via Concept Realignment in Concept Bottleneck Models
di: Singhi, Nishad, et al.
Pubblicazione: (2024)

Investigating Structural Pruning and Recovery Techniques for Compressing Multimodal Large Language Models: An Empirical Study
di: Huang, Yiran, et al.
Pubblicazione: (2025)

Growing Visual Generative Capacity for Pre-Trained MLLMs
di: Wang, Hanyu, et al.
Pubblicazione: (2025)

ETHER: Efficient Finetuning of Large-Scale Models with Hyperplane Reflections
di: Bini, Massimo, et al.
Pubblicazione: (2024)

Task-Adaptive Saliency Guidance for Exemplar-free Class Incremental Learning
di: Liu, Xialei, et al.
Pubblicazione: (2022)

Why and When Visual Token Pruning Fails? A Study on Relevant Visual Information Shift in MLLMs Decoding
di: Kim, Jiwan, et al.
Pubblicazione: (2026)

The Manifold Hypothesis for Gradient-Based Explanations
di: Bordt, Sebastian, et al.
Pubblicazione: (2022)

SoftCFG: Uncertainty-guided Stable Guidance for Visual Autoregressive Model
di: Xu, Dongli, et al.
Pubblicazione: (2025)

Scalable Ranked Preference Optimization for Text-to-Image Generation
di: Karthik, Shyamgopal, et al.
Pubblicazione: (2024)

Training-Free Reasoning and Reflection in MLLMs
di: Wei, Hongchen, et al.
Pubblicazione: (2025)