Buchumschlag

GazeVLM: A Vision-Language Model for Multi-Task Gaze Understanding

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mathew, Athul M., Hermassi, Haithem, Khalid, Thariq, Khan, Arshad Ali
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Leveraging Multi-Modal Saliency and Fusion for Gaze Target Detection
von: Mathew, Athul M., et al.
Veröffentlicht: (2025)

GazeVLM: Active Vision via Internal Attention Control for Multimodal Reasoning
von: Ebouky, Brown, et al.
Veröffentlicht: (2026)

Gaze-VLM:Bridging Gaze and VLMs through Attention Regularization for Egocentric Understanding
von: Pani, Anupam, et al.
Veröffentlicht: (2025)

GazeQwen: Lightweight Gaze-Conditioned LLM Modulation for Streaming Video Understanding
von: Pham, Trong Thang, et al.
Veröffentlicht: (2026)

StreamGaze: Gaze-Guided Temporal Reasoning and Proactive Understanding in Streaming Videos
von: Lee, Daeun, et al.
Veröffentlicht: (2025)

GazeMoE: Perception of Gaze Target with Mixture-of-Experts
von: Dai, Zhuangzhuang, et al.
Veröffentlicht: (2026)

Eyes on VLM: Benchmarking Gaze Following and Social Gaze Prediction in Vision Language Models
von: Wang, Hengfei, et al.
Veröffentlicht: (2026)

TPP-Gaze: Modelling Gaze Dynamics in Space and Time with Neural Temporal Point Processes
von: D'Amelio, Alessandro, et al.
Veröffentlicht: (2024)

Voila-A: Aligning Vision-Language Models with User's Gaze Attention
von: Yan, Kun, et al.
Veröffentlicht: (2023)

Seeing Like Radiologists: Context- and Gaze-Guided Vision-Language Pretraining for Chest X-rays
von: Liu, Kang, et al.
Veröffentlicht: (2026)

GazeFormer-MoE: Context-Aware Gaze Estimation via CLIP and MoE Transformer
von: Zhao, Xinyuan, et al.
Veröffentlicht: (2026)

RE-VLM: Event-Augmented Vision-Language Model for Scene Understanding
von: Liu, Hanqing, et al.
Veröffentlicht: (2026)

Learning Gaze-aware Compositional GAN
von: Aranjuelo, Nerea, et al.
Veröffentlicht: (2024)

DMAGaze: Gaze Estimation Based on Feature Disentanglement and Multi-Scale Attention
von: Chen, Haohan, et al.
Veröffentlicht: (2025)

SD-VLM: Spatial Measuring and Understanding with Depth-Encoded Vision-Language Models
von: Chen, Pingyi, et al.
Veröffentlicht: (2025)

GazeSearch: Radiology Findings Search Benchmark
von: Pham, Trong Thang, et al.
Veröffentlicht: (2024)

Modeling Human Gaze Behavior with Diffusion Models for Unified Scanpath Prediction
von: Cartella, Giuseppe, et al.
Veröffentlicht: (2025)

Enhancing Human-Computer Interaction in Chest X-ray Analysis using Vision and Language Model with Eye Gaze Patterns
von: Kim, Yunsoo, et al.
Veröffentlicht: (2024)

RGBD Gaze Tracking Using Transformer for Feature Fusion
von: Bauer, Tobias J.
Veröffentlicht: (2025)

Weakly-supervised Medical Image Segmentation with Gaze Annotations
von: Zhong, Yuan, et al.
Veröffentlicht: (2024)

3D Gaussian and Diffusion-Based Gaze Redirection
von: Panchalingam, Abiram, et al.
Veröffentlicht: (2025)

Is Geometry Enough? An Evaluation of Landmark-Based Gaze Estimation
von: Agostinelli, Daniele, et al.
Veröffentlicht: (2026)

Toward Gaze Target Detection of Young Autistic Children
von: Deng, Shijian, et al.
Veröffentlicht: (2025)

Modeling Subjective Urban Perception with Human Gaze
von: Che, Lin, et al.
Veröffentlicht: (2026)

VL4Gaze: Unleashing Vision-Language Models for Gaze Following
von: Wang, Shijing, et al.
Veröffentlicht: (2025)

IDA-VLM: Towards Movie Understanding via ID-Aware Large Vision-Language Model
von: Ji, Yatai, et al.
Veröffentlicht: (2024)

Gaze-Informed Vision Transformers: Predicting Driving Decisions Under Uncertainty
von: Koorathota, Sharath, et al.
Veröffentlicht: (2023)

BehaviorVLM: Unified Finetuning-Free Behavioral Understanding with Vision-Language Reasoning
von: Ke, Jingyang, et al.
Veröffentlicht: (2026)

GazeFusion: Saliency-Guided Image Generation
von: Zhang, Yunxiang, et al.
Veröffentlicht: (2024)

VLM4VLA: Revisiting Vision-Language-Models in Vision-Language-Action Models
von: Zhang, Jianke, et al.
Veröffentlicht: (2026)

See Through the Noise: Improving Domain Generalization in Gaze Estimation
von: Peng, Yanming, et al.
Veröffentlicht: (2026)

Eyes on Target: Gaze-Aware Object Detection in Egocentric Video
von: Lall, Vishakha, et al.
Veröffentlicht: (2025)

Unveiling the Truth: Exploring Human Gaze Patterns in Fake Images
von: Cartella, Giuseppe, et al.
Veröffentlicht: (2024)

Gaze-Guided 3D Hand Motion Prediction for Detecting Intent in Egocentric Grasping Tasks
von: He, Yufei, et al.
Veröffentlicht: (2025)

PoseGaze-AHP: A Knowledge-Based 3D Dataset for AI-Driven Ocular and Postural Diagnosis
von: Al-Dabet, Saja, et al.
Veröffentlicht: (2025)

VLM2Vec: Training Vision-Language Models for Massive Multimodal Embedding Tasks
von: Jiang, Ziyan, et al.
Veröffentlicht: (2024)

Toddlers' Active Gaze Behavior Supports Self-Supervised Object Learning
von: Yu, Zhengyang, et al.
Veröffentlicht: (2024)

A Generalized Label Shift Perspective for Cross-Domain Gaze Estimation
von: Yang, Hao-Ran, et al.
Veröffentlicht: (2025)

SpecVLM: Fast Speculative Decoding in Vision-Language Models
von: Huang, Haiduo, et al.
Veröffentlicht: (2025)

HPE-CogVLM: Advancing Vision Language Models with a Head Pose Grounding Task
von: Tian, Yu, et al.
Veröffentlicht: (2024)