Mitigating Coordinate Prediction Bias from Positional Encoding Failures
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Tao, Xingjian, Wang, Yiwei, Cai, Yujun, Luo, Yihong, Han, Kai, Tang, Jing |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
ViewFusion: Structured Spatial Thinking Chains for Multi-View Reasoning
par: Tao, Xingjian, et autres
Publié: (2026)
par: Tao, Xingjian, et autres
Publié: (2026)
ChainMPQ: Interleaved Text-Image Reasoning Chains for Mitigating Relation Hallucinations
par: Wu, Yike, et autres
Publié: (2025)
par: Wu, Yike, et autres
Publié: (2025)
Energy-Calibrated VAE with Test Time Free Lunch
par: Luo, Yihong, et autres
Publié: (2023)
par: Luo, Yihong, et autres
Publié: (2023)
PAS: A Training-Free Stabilizer for Temporal Encoding in Video LLMs
par: Sun, Bowen, et autres
Publié: (2025)
par: Sun, Bowen, et autres
Publié: (2025)
MRFD: Multi-Region Fusion Decoding with Self-Consistency for Mitigating Hallucinations in LVLMs
par: Ge, Haonan, et autres
Publié: (2025)
par: Ge, Haonan, et autres
Publié: (2025)
SeqPE: Transformer with Sequential Position Encoding
par: Li, Huayang, et autres
Publié: (2025)
par: Li, Huayang, et autres
Publié: (2025)
Cure or Poison? Embedding Instructions Visually Alters Hallucination in Vision-Language Models
par: Wang, Zhaochen, et autres
Publié: (2025)
par: Wang, Zhaochen, et autres
Publié: (2025)
Advancing General Multimodal Capability of Vision-language Models with Pyramid-descent Visual Position Encoding
par: Chen, Zhanpeng, et autres
Publié: (2025)
par: Chen, Zhanpeng, et autres
Publié: (2025)
Unveiling the "Fairness Seesaw": Discovering and Mitigating Gender and Race Bias in Vision-Language Models
par: Lan, Jian, et autres
Publié: (2025)
par: Lan, Jian, et autres
Publié: (2025)
Failure Makes the Agent Stronger: Enhancing Accuracy through Structured Reflection for Reliable Tool Interactions
par: Su, Junhao, et autres
Publié: (2025)
par: Su, Junhao, et autres
Publié: (2025)
FrameMind: Frame-Interleaved Video Reasoning via Reinforcement Learning
par: Ge, Haonan, et autres
Publié: (2025)
par: Ge, Haonan, et autres
Publié: (2025)
TDM-R1: Reinforcing Few-Step Diffusion Models with Non-Differentiable Reward
par: Luo, Yihong, et autres
Publié: (2026)
par: Luo, Yihong, et autres
Publié: (2026)
Finding Distributed Object-Centric Properties in Self-Supervised Transformers
par: Rawlekar, Samyak, et autres
Publié: (2026)
par: Rawlekar, Samyak, et autres
Publié: (2026)
Janus: Decoupling Visual Encoding for Unified Multimodal Understanding and Generation
par: Wu, Chengyue, et autres
Publié: (2024)
par: Wu, Chengyue, et autres
Publié: (2024)
METAL: A Multi-Agent Framework for Chart Generation with Test-Time Scaling
par: Li, Bingxuan, et autres
Publié: (2025)
par: Li, Bingxuan, et autres
Publié: (2025)
Mitigating Object Hallucinations in MLLMs via Multi-Frequency Perturbations
par: Li, Shuo, et autres
Publié: (2025)
par: Li, Shuo, et autres
Publié: (2025)
Mitigating Bias with Words: Inducing Demographic Ambiguity in Face Recognition Templates by Text Encoding
par: Chettaoui, Tahar, et autres
Publié: (2025)
par: Chettaoui, Tahar, et autres
Publié: (2025)
SemVink: Advancing VLMs' Semantic Understanding of Optical Illusions via Visual Global Thinking
par: Li, Sifan, et autres
Publié: (2025)
par: Li, Sifan, et autres
Publié: (2025)
Do Students Debias Like Teachers? On the Distillability of Bias Mitigation Methods
par: Cheng, Jiali, et autres
Publié: (2025)
par: Cheng, Jiali, et autres
Publié: (2025)
Mitigating Adversarial Attacks in LLMs through Defensive Suffix Generation
par: Kim, Minkyoung, et autres
Publié: (2024)
par: Kim, Minkyoung, et autres
Publié: (2024)
From Pixels to Tokens: Byte-Pair Encoding on Quantized Visual Modalities
par: Zhang, Wanpeng, et autres
Publié: (2024)
par: Zhang, Wanpeng, et autres
Publié: (2024)
CodeBind: Decoupled Representation Learning for Multimodal Alignment with Unified Compositional Codebook
par: Chen, Zeyu, et autres
Publié: (2026)
par: Chen, Zeyu, et autres
Publié: (2026)
KGAlign: Joint Semantic-Structural Knowledge Encoding for Multimodal Fake News Detection
par: La, Tuan-Vinh, et autres
Publié: (2025)
par: La, Tuan-Vinh, et autres
Publié: (2025)
Arrow-Guided VLM: Enhancing Flowchart Understanding via Arrow Direction Encoding
par: Omasa, Takamitsu, et autres
Publié: (2025)
par: Omasa, Takamitsu, et autres
Publié: (2025)
Mitigating Query Selection Bias in Referring Video Object Segmentation
par: Zhang, Dingwei, et autres
Publié: (2025)
par: Zhang, Dingwei, et autres
Publié: (2025)
Demographic and Linguistic Bias Evaluation in Omnimodal Language Models
par: Elobaid, Alaa
Publié: (2026)
par: Elobaid, Alaa
Publié: (2026)
Bias Is a Subspace, Not a Coordinate: A Geometric Rethinking of Post-hoc Debiasing in Vision-Language Models
par: Zhao, Dachuan, et autres
Publié: (2025)
par: Zhao, Dachuan, et autres
Publié: (2025)
Cameras as Relative Positional Encoding
par: Li, Ruilong, et autres
Publié: (2025)
par: Li, Ruilong, et autres
Publié: (2025)
CLAIM: Mitigating Multilingual Object Hallucination in Large Vision-Language Models with Cross-Lingual Attention Intervention
par: Ye, Zekai, et autres
Publié: (2025)
par: Ye, Zekai, et autres
Publié: (2025)
Causal-SAM-LLM: Large Language Models as Causal Reasoners for Robust Medical Segmentation
par: Tang, Tao, et autres
Publié: (2025)
par: Tang, Tao, et autres
Publié: (2025)
DreamAvoid: Critical-Phase Test-Time Dreaming to Avoid Failures in VLA Policies
par: Fan, Xianzhe, et autres
Publié: (2026)
par: Fan, Xianzhe, et autres
Publié: (2026)
VideoStir: Understanding Long Videos via Spatio-Temporally Structured and Intent-Aware RAG
par: Fu, Honghao, et autres
Publié: (2026)
par: Fu, Honghao, et autres
Publié: (2026)
Semantic-Aware Adaptive Visual Memory for Streaming Video Understanding
par: Wu, Hang, et autres
Publié: (2026)
par: Wu, Hang, et autres
Publié: (2026)
GUI-Actor: Coordinate-Free Visual Grounding for GUI Agents
par: Wu, Qianhui, et autres
Publié: (2025)
par: Wu, Qianhui, 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)
ChartCap: Mitigating Hallucination of Dense Chart Captioning
par: Lim, Junyoung, et autres
Publié: (2025)
par: Lim, Junyoung, et autres
Publié: (2025)
Mitigating Multilingual Hallucination in Large Vision-Language Models
par: Qu, Xiaoye, et autres
Publié: (2024)
par: Qu, Xiaoye, et autres
Publié: (2024)
Lost in Translation and Noise: A Deep Dive into the Failure Modes of VLMs on Real-World Tables
par: Singh, Anshul, et autres
Publié: (2025)
par: Singh, Anshul, et autres
Publié: (2025)
BAMI: Training-Free Bias Mitigation in GUI Grounding
par: Zhang, Borui, et autres
Publié: (2026)
par: Zhang, Borui, et autres
Publié: (2026)
Weierstrass Positional Encoding for Vision Transformers
par: Xin, Zhihang, et autres
Publié: (2026)
par: Xin, Zhihang, et autres
Publié: (2026)
Documents similaires
-
ViewFusion: Structured Spatial Thinking Chains for Multi-View Reasoning
par: Tao, Xingjian, et autres
Publié: (2026) -
ChainMPQ: Interleaved Text-Image Reasoning Chains for Mitigating Relation Hallucinations
par: Wu, Yike, et autres
Publié: (2025) -
Energy-Calibrated VAE with Test Time Free Lunch
par: Luo, Yihong, et autres
Publié: (2023) -
PAS: A Training-Free Stabilizer for Temporal Encoding in Video LLMs
par: Sun, Bowen, et autres
Publié: (2025) -
MRFD: Multi-Region Fusion Decoding with Self-Consistency for Mitigating Hallucinations in LVLMs
par: Ge, Haonan, et autres
Publié: (2025)