VietMEAgent: Culturally-Aware Few-Shot Multimodal Explanation for Vietnamese Visual Question Answering
Fuente:
arXiv
Salvato in:
| Autori principali: | Nguyen, Hai-Dang, Dang, Minh-Anh, Le, Minh-Tan, Le, Minh-Tuan |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2025
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
MedXplain-VQA: Multi-Component Explainable Medical Visual Question Answering
di: Nguyen, Hai-Dang, et al.
Pubblicazione: (2025)
di: Nguyen, Hai-Dang, et al.
Pubblicazione: (2025)
Towards Signboard-Oriented Visual Question Answering: ViSignVQA Dataset, Method and Benchmark
di: Nguyen, Hieu Minh, et al.
Pubblicazione: (2025)
di: Nguyen, Hieu Minh, et al.
Pubblicazione: (2025)
MaskDiff: Modeling Mask Distribution with Diffusion Probabilistic Model for Few-Shot Instance Segmentation
di: Le, Minh-Quan, et al.
Pubblicazione: (2023)
di: Le, Minh-Quan, et al.
Pubblicazione: (2023)
SADL: An Effective In-Context Learning Method for Compositional Visual QA
di: Dang, Long Hoang, et al.
Pubblicazione: (2024)
di: Dang, Long Hoang, et al.
Pubblicazione: (2024)
AutoViVQA: A Large-Scale Automatically Constructed Dataset for Vietnamese Visual Question Answering
di: Tuong, Nguyen Anh, et al.
Pubblicazione: (2026)
di: Tuong, Nguyen Anh, et al.
Pubblicazione: (2026)
Advancing Vietnamese Visual Question Answering with Transformer and Convolutional Integration
di: Nguyen, Ngoc Son, et al.
Pubblicazione: (2024)
di: Nguyen, Ngoc Son, et al.
Pubblicazione: (2024)
Unified Interactive Multimodal Moment Retrieval via Cascaded Embedding-Reranking and Temporal-Aware Score Fusion
di: Thanh, Toan Le Ngo, et al.
Pubblicazione: (2025)
di: Thanh, Toan Le Ngo, et al.
Pubblicazione: (2025)
U-CESE: Unified Clip-based Event Search Engine for AI Challenge HCMC 2025
di: Le, Duc-Nhuan, et al.
Pubblicazione: (2026)
di: Le, Duc-Nhuan, et al.
Pubblicazione: (2026)
Localizing Before Answering: A Hallucination Evaluation Benchmark for Grounded Medical Multimodal LLMs
di: Nguyen, Dung, et al.
Pubblicazione: (2025)
di: Nguyen, Dung, et al.
Pubblicazione: (2025)
Investigating Prompting Techniques for Zero- and Few-Shot Visual Question Answering
di: Awal, Rabiul, et al.
Pubblicazione: (2023)
di: Awal, Rabiul, et al.
Pubblicazione: (2023)
TaleForge: Interactive Multimodal System for Personalized Story Creation
di: Nguyen, Minh-Loi, et al.
Pubblicazione: (2025)
di: Nguyen, Minh-Loi, et al.
Pubblicazione: (2025)
Fourier-Attentive Representation Learning: A Fourier-Guided Framework for Few-Shot Generalization in Vision-Language Models
di: Pham, Hieu Dinh Trung, et al.
Pubblicazione: (2025)
di: Pham, Hieu Dinh Trung, et al.
Pubblicazione: (2025)
Integrating Image Features with Convolutional Sequence-to-sequence Network for Multilingual Visual Question Answering
di: Thai, Triet Minh, et al.
Pubblicazione: (2023)
di: Thai, Triet Minh, et al.
Pubblicazione: (2023)
MMAP: A Multi-Magnification and Prototype-Aware Architecture for Predicting Spatial Gene Expression
di: Nguyen, Hai Dang, et al.
Pubblicazione: (2025)
di: Nguyen, Hai Dang, et al.
Pubblicazione: (2025)
Revisit Visual Prompt Tuning: The Expressiveness of Prompt Experts
di: Le, Minh, et al.
Pubblicazione: (2025)
di: Le, Minh, et al.
Pubblicazione: (2025)
TrafficVLM: A Controllable Visual Language Model for Traffic Video Captioning
di: Dinh, Quang Minh, et al.
Pubblicazione: (2024)
di: Dinh, Quang Minh, et al.
Pubblicazione: (2024)
KGAlign: Joint Semantic-Structural Knowledge Encoding for Multimodal Fake News Detection
di: La, Tuan-Vinh, et al.
Pubblicazione: (2025)
di: La, Tuan-Vinh, et al.
Pubblicazione: (2025)
Robust Deepfake Detection: Mitigating Spatial Attention Drift via Calibrated Complementary Ensembles
di: Le-Phan, Minh-Khoa, et al.
Pubblicazione: (2026)
di: Le-Phan, Minh-Khoa, et al.
Pubblicazione: (2026)
EDGER: EDge-Guided with HEatmap Refinement for Generalizable Image Forgery Localization
di: Le-Phan, Minh-Khoa, et al.
Pubblicazione: (2026)
di: Le-Phan, Minh-Khoa, et al.
Pubblicazione: (2026)
Leveraging feature communication in federated learning for remote sensing image classification
di: Duong, Anh-Kiet, et al.
Pubblicazione: (2024)
di: Duong, Anh-Kiet, et al.
Pubblicazione: (2024)
Beyond Traditional Approaches: Multi-Task Network for Breast Ultrasound Diagnosis
di: Chung, Dat T., et al.
Pubblicazione: (2024)
di: Chung, Dat T., et al.
Pubblicazione: (2024)
Leveraging knowledge distillation for partial multi-task learning from multiple remote sensing datasets
di: Lê, Hoàng-Ân, et al.
Pubblicazione: (2024)
di: Lê, Hoàng-Ân, et al.
Pubblicazione: (2024)
Enhancing Video Summarization with Context Awareness
di: Huynh-Lam, Hai-Dang, et al.
Pubblicazione: (2024)
di: Huynh-Lam, Hai-Dang, et al.
Pubblicazione: (2024)
ReFineVLA: Multimodal Reasoning-Aware Generalist Robotic Policies via Teacher-Guided Fine-Tuning
di: Van Vo, Tuan, et al.
Pubblicazione: (2026)
di: Van Vo, Tuan, et al.
Pubblicazione: (2026)
Exploring the Application of Visual Question Answering (VQA) for Classroom Activity Monitoring
di: Vu, Sinh Trong, et al.
Pubblicazione: (2025)
di: Vu, Sinh Trong, et al.
Pubblicazione: (2025)
BluRef: Unsupervised Image Deblurring with Dense-Matching References
di: Pham, Bang-Dang, et al.
Pubblicazione: (2026)
di: Pham, Bang-Dang, et al.
Pubblicazione: (2026)
RelWitness: Open-Vocabulary 3D Scene Graph Generation with Visual-Geometric Relation Witnesses
di: Nguyen, Minh Anh, et al.
Pubblicazione: (2026)
di: Nguyen, Minh Anh, et al.
Pubblicazione: (2026)
Ensemble Learning for Vietnamese Scene Text Spotting in Urban Environments
di: Nguyen, Hieu, et al.
Pubblicazione: (2024)
di: Nguyen, Hieu, et al.
Pubblicazione: (2024)
Cluster-based Video Summarization with Temporal Context Awareness
di: Huynh-Lam, Hai-Dang, et al.
Pubblicazione: (2024)
di: Huynh-Lam, Hai-Dang, et al.
Pubblicazione: (2024)
OpenEvents V1: Large-Scale Benchmark Dataset for Multimodal Event Grounding
di: Nguyen, Hieu, et al.
Pubblicazione: (2025)
di: Nguyen, Hieu, et al.
Pubblicazione: (2025)
Toward a Vision-Language Foundation Model for Medical Data: Multimodal Dataset and Benchmarks for Vietnamese PET/CT Report Generation
di: Nguyen, Huu Tien, et al.
Pubblicazione: (2025)
di: Nguyen, Huu Tien, et al.
Pubblicazione: (2025)
Object Detection in Thermal Images Using Deep Learning for Unmanned Aerial Vehicles
di: Tu, Minh Dang, et al.
Pubblicazione: (2024)
di: Tu, Minh Dang, et al.
Pubblicazione: (2024)
Interactive Interface For Semantic Segmentation Dataset Synthesis
di: Tran, Ngoc-Do, et al.
Pubblicazione: (2025)
di: Tran, Ngoc-Do, et al.
Pubblicazione: (2025)
SAMURAI: Shape-Aware Multimodal Retrieval for 3D Object Identification
di: Vo, Dinh-Khoi, et al.
Pubblicazione: (2025)
di: Vo, Dinh-Khoi, et al.
Pubblicazione: (2025)
EVENT-Retriever: Event-Aware Multimodal Image Retrieval for Realistic Captions
di: Vo, Dinh-Khoi, et al.
Pubblicazione: (2025)
di: Vo, Dinh-Khoi, et al.
Pubblicazione: (2025)
Dual Strategies for Test-Time Adaptation
di: Phuong, Nam Nguyen, et al.
Pubblicazione: (2026)
di: Phuong, Nam Nguyen, et al.
Pubblicazione: (2026)
Beyond the Global Scores: Fine-Grained Token Grounding as a Robust Detector of LVLM Hallucinations
di: Nguyen, Tuan Dung, et al.
Pubblicazione: (2026)
di: Nguyen, Tuan Dung, et al.
Pubblicazione: (2026)
Universal Multi-Domain Translation via Diffusion Routers
di: Kieu, Duc, et al.
Pubblicazione: (2025)
di: Kieu, Duc, et al.
Pubblicazione: (2025)
GUNNEL: Guided Mixup Augmentation and Multi-Model Fusion for Aquatic Animal Segmentation
di: Le, Minh-Quan, et al.
Pubblicazione: (2021)
di: Le, Minh-Quan, et al.
Pubblicazione: (2021)
Blur2Blur: Blur Conversion for Unsupervised Image Deblurring on Unknown Domains
di: Pham, Bang-Dang, et al.
Pubblicazione: (2024)
di: Pham, Bang-Dang, et al.
Pubblicazione: (2024)
Documenti analoghi
-
MedXplain-VQA: Multi-Component Explainable Medical Visual Question Answering
di: Nguyen, Hai-Dang, et al.
Pubblicazione: (2025) -
Towards Signboard-Oriented Visual Question Answering: ViSignVQA Dataset, Method and Benchmark
di: Nguyen, Hieu Minh, et al.
Pubblicazione: (2025) -
MaskDiff: Modeling Mask Distribution with Diffusion Probabilistic Model for Few-Shot Instance Segmentation
di: Le, Minh-Quan, et al.
Pubblicazione: (2023) -
SADL: An Effective In-Context Learning Method for Compositional Visual QA
di: Dang, Long Hoang, et al.
Pubblicazione: (2024) -
AutoViVQA: A Large-Scale Automatically Constructed Dataset for Vietnamese Visual Question Answering
di: Tuong, Nguyen Anh, et al.
Pubblicazione: (2026)