Salvato in:
| Autori principali: | Hu, Keya, Cy, Ali, Qiu, Linlu, Ding, Xiaoman Delores, Wang, Runqian, Zhu, Yeyin Eva, Andreas, Jacob, He, Kaiming |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2025
|
| Soggetti: | |
| Accesso online: | https://arxiv.org/abs/2511.14761 |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Diffuse and Disperse: Image Generation with Representation Regularization
di: Wang, Runqian, et al.
Pubblicazione: (2025)
di: Wang, Runqian, et al.
Pubblicazione: (2025)
Equilibrium Matching: Generative Modeling with Implicit Energy-Based Models
di: Wang, Runqian, et al.
Pubblicazione: (2025)
di: Wang, Runqian, et al.
Pubblicazione: (2025)
Video-based Vehicle Surveillance in the Wild: License Plate, Make, and Model Recognition with Self Reflective Vision-Language Models
di: Parsa, Pouya, et al.
Pubblicazione: (2025)
di: Parsa, Pouya, et al.
Pubblicazione: (2025)
Think Visually, Reason Textually: Vision-Language Synergy in ARC
di: Zhang, Beichen, et al.
Pubblicazione: (2025)
di: Zhang, Beichen, et al.
Pubblicazione: (2025)
ELF: Embedded Language Flows
di: Hu, Keya, et al.
Pubblicazione: (2026)
di: Hu, Keya, et al.
Pubblicazione: (2026)
Bongards at the Boundary of Perception and Reasoning: Programs or Language?
di: Langenfeld, Cassidy, et al.
Pubblicazione: (2026)
di: Langenfeld, Cassidy, et al.
Pubblicazione: (2026)
3DReasonKnee: Advancing Grounded Reasoning in Medical Vision Language Models
di: Sambara, Sraavya, et al.
Pubblicazione: (2025)
di: Sambara, Sraavya, et al.
Pubblicazione: (2025)
Does Visual Information Play a Decisive Role in Vision-Language-Action Model Driving Behavior?
di: He, Jingtao, et al.
Pubblicazione: (2026)
di: He, Jingtao, et al.
Pubblicazione: (2026)
Surface Vision Mamba: Leveraging Bidirectional State Space Model for Efficient Spherical Manifold Representation
di: He, Rongzhao, et al.
Pubblicazione: (2025)
di: He, Rongzhao, et al.
Pubblicazione: (2025)
Transformers without Normalization
di: Zhu, Jiachen, et al.
Pubblicazione: (2025)
di: Zhu, Jiachen, et al.
Pubblicazione: (2025)
ReXSonoVQA: A Video QA Benchmark for Procedure-Centric Ultrasound Understanding
di: Wang, Xucheng, et al.
Pubblicazione: (2026)
di: Wang, Xucheng, et al.
Pubblicazione: (2026)
Diffusion-Based Offline RL for Improved Decision-Making in Augmented ARC Task
di: Kim, Yunho, et al.
Pubblicazione: (2024)
di: Kim, Yunho, et al.
Pubblicazione: (2024)
Image Generators are Generalist Vision Learners
di: Gabeur, Valentin, et al.
Pubblicazione: (2026)
di: Gabeur, Valentin, et al.
Pubblicazione: (2026)
(1D) Ordered Tokens Enable Efficient Test-Time Search
di: Gao, Zhitong, et al.
Pubblicazione: (2026)
di: Gao, Zhitong, et al.
Pubblicazione: (2026)
From Fewer Samples to Fewer Bits: Reframing Dataset Distillation as Joint Optimization of Precision and Compactness
di: Dinh, My H., et al.
Pubblicazione: (2026)
di: Dinh, My H., et al.
Pubblicazione: (2026)
How Modality Shapes Perception and Reasoning: A Study of Error Propagation in ARC-AGI
di: Wen, Bo, et al.
Pubblicazione: (2025)
di: Wen, Bo, et al.
Pubblicazione: (2025)
Large Vision Models Can Solve Mental Rotation Problems
di: Mason, Sebastian Ray, et al.
Pubblicazione: (2025)
di: Mason, Sebastian Ray, et al.
Pubblicazione: (2025)
LPT: Less-overfitting Prompt Tuning for Vision-Language Model
di: Ding, Chenhao, et al.
Pubblicazione: (2024)
di: Ding, Chenhao, et al.
Pubblicazione: (2024)
Nested-TNT: Hierarchical Vision Transformers with Multi-Scale Feature Processing
di: Liu, Yuang, et al.
Pubblicazione: (2024)
di: Liu, Yuang, et al.
Pubblicazione: (2024)
Template-Guided Reconstruction of Pulmonary Segments with Neural Implicit Functions
di: Xie, Kangxian, et al.
Pubblicazione: (2025)
di: Xie, Kangxian, et al.
Pubblicazione: (2025)
Vision-Language Models in Remote Sensing: Current Progress and Future Trends
di: Li, Xiang, et al.
Pubblicazione: (2023)
di: Li, Xiang, et al.
Pubblicazione: (2023)
Gate-and-Merge: Zero-shot Compositional Personalization of Vision Language Models
di: Ding, Guodong, et al.
Pubblicazione: (2026)
di: Ding, Guodong, et al.
Pubblicazione: (2026)
Visible Yet Unreadable: A Systematic Blind Spot of Vision Language Models Across Writing Systems
di: Zhang, Jie, et al.
Pubblicazione: (2025)
di: Zhang, Jie, et al.
Pubblicazione: (2025)
Vision Language Model-Empowered Contract Theory for AIGC Task Allocation in Teleoperation
di: Zhan, Zijun, et al.
Pubblicazione: (2024)
di: Zhan, Zijun, et al.
Pubblicazione: (2024)
Remodeling Semantic Relationships in Vision-Language Fine-Tuning
di: Wu, Xiangyang, et al.
Pubblicazione: (2025)
di: Wu, Xiangyang, et al.
Pubblicazione: (2025)
Subspace Alignment for Vision-Language Model Test-time Adaptation
di: Zeng, Zhichen, et al.
Pubblicazione: (2026)
di: Zeng, Zhichen, et al.
Pubblicazione: (2026)
Binary Verification for Zero-Shot Vision
di: Hu, Rongbin, et al.
Pubblicazione: (2025)
di: Hu, Rongbin, et al.
Pubblicazione: (2025)
Explanation-Driven Counterfactual Testing for Faithfulness in Vision-Language Model Explanations
di: Ding, Sihao, et al.
Pubblicazione: (2025)
di: Ding, Sihao, et al.
Pubblicazione: (2025)
B-VLLM: A Vision Large Language Model with Balanced Spatio-Temporal Tokens
di: Lu, Zhuqiang, et al.
Pubblicazione: (2024)
di: Lu, Zhuqiang, et al.
Pubblicazione: (2024)
Structured Labeling Enables Faster Vision-Language Models for End-to-End Autonomous Driving
di: Jiang, Hao, et al.
Pubblicazione: (2025)
di: Jiang, Hao, et al.
Pubblicazione: (2025)
Line of Sight: On Linear Representations in VLLMs
di: Rajaram, Achyuta, et al.
Pubblicazione: (2025)
di: Rajaram, Achyuta, et al.
Pubblicazione: (2025)
ReasonEdit: Editing Vision-Language Models using Human Reasoning
di: Qiu, Jiaxing, et al.
Pubblicazione: (2026)
di: Qiu, Jiaxing, et al.
Pubblicazione: (2026)
Feedback-based Modal Mutual Search for Attacking Vision-Language Pre-training Models
di: Ding, Renhua, et al.
Pubblicazione: (2024)
di: Ding, Renhua, et al.
Pubblicazione: (2024)
ROCKET: Residual-Oriented Multi-Layer Alignment for Spatially-Aware Vision-Language-Action Models
di: Sun, Guoheng, et al.
Pubblicazione: (2026)
di: Sun, Guoheng, et al.
Pubblicazione: (2026)
VisionGraph: Leveraging Large Multimodal Models for Graph Theory Problems in Visual Context
di: Li, Yunxin, et al.
Pubblicazione: (2024)
di: Li, Yunxin, et al.
Pubblicazione: (2024)
When Visuals Aren't the Problem: Evaluating Vision-Language Models on Misleading Data Visualizations
di: Lalai, Harsh Nishant, et al.
Pubblicazione: (2026)
di: Lalai, Harsh Nishant, et al.
Pubblicazione: (2026)
Transfer Learning Applied to Computer Vision Problems: Survey on Current Progress, Limitations, and Opportunities
di: Panda, Aaryan, et al.
Pubblicazione: (2024)
di: Panda, Aaryan, et al.
Pubblicazione: (2024)
Investigating Redundancy in Multimodal Large Language Models with Multiple Vision Encoders
di: Wang, Yizhou, et al.
Pubblicazione: (2025)
di: Wang, Yizhou, et al.
Pubblicazione: (2025)
Unsupervised Training of Vision Transformers with Synthetic Negatives
di: Giakoumoglou, Nikolaos, et al.
Pubblicazione: (2025)
di: Giakoumoglou, Nikolaos, et al.
Pubblicazione: (2025)
Adversarial Prompt Tuning for Vision-Language Models
di: Zhang, Jiaming, et al.
Pubblicazione: (2023)
di: Zhang, Jiaming, et al.
Pubblicazione: (2023)
Documenti analoghi
-
Diffuse and Disperse: Image Generation with Representation Regularization
di: Wang, Runqian, et al.
Pubblicazione: (2025) -
Equilibrium Matching: Generative Modeling with Implicit Energy-Based Models
di: Wang, Runqian, et al.
Pubblicazione: (2025) -
Video-based Vehicle Surveillance in the Wild: License Plate, Make, and Model Recognition with Self Reflective Vision-Language Models
di: Parsa, Pouya, et al.
Pubblicazione: (2025) -
Think Visually, Reason Textually: Vision-Language Synergy in ARC
di: Zhang, Beichen, et al.
Pubblicazione: (2025) -
ELF: Embedded Language Flows
di: Hu, Keya, et al.
Pubblicazione: (2026)