VACoT: Rethinking Visual Data Augmentation with VLMs
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Xu, Zhengzhuo, Sun, Chong, Du, SiNan, Li, Chen, Lyu, Jing, Yuan, Chun |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
VACoDe: Visual Augmented Contrastive Decoding
par: Kim, Sihyeon, et autres
Publié: (2024)
par: Kim, Sihyeon, et autres
Publié: (2024)
ChartMoE: Mixture of Diversely Aligned Expert Connector for Chart Understanding
par: Xu, Zhengzhuo, et autres
Publié: (2024)
par: Xu, Zhengzhuo, et autres
Publié: (2024)
ChartPoint: Guiding MLLMs with Grounding Reflection for Chart Reasoning
par: Xu, Zhengzhuo, et autres
Publié: (2025)
par: Xu, Zhengzhuo, et autres
Publié: (2025)
VLMs have Tunnel Vision: Evaluating Nonlocal Visual Reasoning in Leading VLMs
par: Berman, Shmuel, et autres
Publié: (2025)
par: Berman, Shmuel, et autres
Publié: (2025)
Rethinking VLMs and LLMs for Image Classification
par: Cooper, Avi, et autres
Publié: (2024)
par: Cooper, Avi, et autres
Publié: (2024)
Can VLMs Truly Forget? Benchmarking Training-Free Visual Concept Unlearning
par: Tan, Zhangyun, et autres
Publié: (2026)
par: Tan, Zhangyun, et autres
Publié: (2026)
MoVE-KD: Knowledge Distillation for VLMs with Mixture of Visual Encoders
par: Cao, Jiajun, et autres
Publié: (2025)
par: Cao, Jiajun, et autres
Publié: (2025)
A Comprehensive Survey of Data Augmentation in Visual Reinforcement Learning
par: Ma, Guozheng, et autres
Publié: (2022)
par: Ma, Guozheng, et autres
Publié: (2022)
Focusing by Contrastive Attention: Enhancing VLMs' Visual Reasoning
par: Ge, Yuyao, et autres
Publié: (2025)
par: Ge, Yuyao, et autres
Publié: (2025)
ViFP: A Framework for Visual False Positive Detection to Enhance Reasoning Reliability in VLMs
par: Zhang, Ben, et autres
Publié: (2025)
par: Zhang, Ben, et autres
Publié: (2025)
Think Twice to See More: Iterative Visual Reasoning in Medical VLMs
par: Chen, Kaitao, et autres
Publié: (2025)
par: Chen, Kaitao, et autres
Publié: (2025)
ChartBench: A Benchmark for Complex Visual Reasoning in Charts
par: Xu, Zhengzhuo, et autres
Publié: (2023)
par: Xu, Zhengzhuo, et autres
Publié: (2023)
Seeing but Not Believing: Probing the Disconnect Between Visual Attention and Answer Correctness in VLMs
par: Liu, Zhining, et autres
Publié: (2025)
par: Liu, Zhining, et autres
Publié: (2025)
To See or To Please: Uncovering Visual Sycophancy and Split Beliefs in VLMs
par: Hong, Rui, et autres
Publié: (2026)
par: Hong, Rui, et autres
Publié: (2026)
Beyond Text-Visual Attention: Exploiting Visual Cues for Effective Token Pruning in VLMs
par: Zhang, Qizhe, et autres
Publié: (2024)
par: Zhang, Qizhe, et autres
Publié: (2024)
See and Fix the Flaws: Enabling VLMs and Diffusion Models to Comprehend Visual Artifacts via Agentic Data Synthesis
par: Park, Jaehyun, et autres
Publié: (2026)
par: Park, Jaehyun, et autres
Publié: (2026)
Retrieval-Augmented VLMs for Multimodal Melanoma Diagnosis
par: Moon, Jihyun, et autres
Publié: (2025)
par: Moon, Jihyun, et autres
Publié: (2025)
Rethinking Data Augmentation for Robust LiDAR Semantic Segmentation in Adverse Weather
par: Park, Junsung, et autres
Publié: (2024)
par: Park, Junsung, et autres
Publié: (2024)
VLMs Trace Without Tracking: Diagnosing Failures in Visual Path Following
par: Hong, Hyesoo, et autres
Publié: (2026)
par: Hong, Hyesoo, et autres
Publié: (2026)
Activating Visual Context and Commonsense Reasoning through Masked Prediction in VLMs
par: Yu, Jiaao, et autres
Publié: (2025)
par: Yu, Jiaao, et autres
Publié: (2025)
Rethinking Bias in Generative Data Augmentation for Medical AI: a Frequency Recalibration Method
par: Liu, Chi, et autres
Publié: (2025)
par: Liu, Chi, et autres
Publié: (2025)
Thinking with Gaze: Sequential Eye-Tracking as Visual Reasoning Supervision for Medical VLMs
par: Li, Yiwei, et autres
Publié: (2026)
par: Li, Yiwei, et autres
Publié: (2026)
Test-Time Reasoning Through Visual Human Preferences with VLMs and Soft Rewards
par: Gambashidze, Alexander, et autres
Publié: (2025)
par: Gambashidze, Alexander, et autres
Publié: (2025)
Rethinking Diffusion-Based Image Generators for Fundus Fluorescein Angiography Synthesis on Limited Data
par: Yu, Chengzhou, et autres
Publié: (2024)
par: Yu, Chengzhou, et autres
Publié: (2024)
Chain-of-Visual-Thought: Teaching VLMs to See and Think Better with Continuous Visual Tokens
par: Qin, Yiming, et autres
Publié: (2025)
par: Qin, Yiming, et autres
Publié: (2025)
Asking like Socrates: Socrates helps VLMs understand remote sensing images
par: Shao, Run, et autres
Publié: (2025)
par: Shao, Run, et autres
Publié: (2025)
3D Primitives are a Spatial Language for VLMs
par: Liu, Junze, et autres
Publié: (2026)
par: Liu, Junze, et autres
Publié: (2026)
COVR:Collaborative Optimization of VLMs and RL Agent for Visual-Based Control
par: Xia, Canming, et autres
Publié: (2026)
par: Xia, Canming, et autres
Publié: (2026)
Improving Medical Visual Reinforcement Fine-Tuning via Perception and Reasoning Augmentation
par: Yang, Guangjing, et autres
Publié: (2026)
par: Yang, Guangjing, et autres
Publié: (2026)
Visual Structures Helps Visual Reasoning: Addressing the Binding Problem in VLMs
par: Izadi, Amirmohammad, et autres
Publié: (2025)
par: Izadi, Amirmohammad, et autres
Publié: (2025)
Can you SPLICE it together? A Human Curated Benchmark for Probing Visual Reasoning in VLMs
par: Ballout, Mohamad, et autres
Publié: (2025)
par: Ballout, Mohamad, et autres
Publié: (2025)
Parameter-Efficient VLMs for Gastrointestinal Endoscopy: Medical Image Generation and Clinical Visual Question Answering
par: Peter, Ojonugwa Oluwafemi Ejiga, et autres
Publié: (2026)
par: Peter, Ojonugwa Oluwafemi Ejiga, et autres
Publié: (2026)
Relative-Absolute Fusion: Rethinking Feature Extraction in Image-Based Iterative Method Selection for Solving Sparse Linear Systems
par: Zhang, Kaiqi, et autres
Publié: (2025)
par: Zhang, Kaiqi, et autres
Publié: (2025)
GRAID: Enhancing Spatial Reasoning of VLMs Through High-Fidelity Data Generation
par: Elmaaroufi, Karim, et autres
Publié: (2025)
par: Elmaaroufi, Karim, et autres
Publié: (2025)
Trust the Model: Compact VLMs as In-Context Judges for Image-Text Data Quality
par: Toibazar, Daulet, et autres
Publié: (2025)
par: Toibazar, Daulet, et autres
Publié: (2025)
Rethinking Prompt Design for Inference-time Scaling in Text-to-Visual Generation
par: Kim, Subin, et autres
Publié: (2025)
par: Kim, Subin, et autres
Publié: (2025)
Deep Expert Injection for Anchoring Retinal VLMs with Domain-Specific Knowledge
par: Lu, Shuai, et autres
Publié: (2026)
par: Lu, Shuai, et autres
Publié: (2026)
Rethinking Visual Information Processing in Multimodal LLMs
par: Kim, Dongwan, et autres
Publié: (2025)
par: Kim, Dongwan, et autres
Publié: (2025)
DeepTumorVQA: A Hierarchical 3D CT Benchmark for Stage-Wise Evaluation of Medical VLMs and Tool-Augmented Agents
par: Chen, Yixiong, et autres
Publié: (2026)
par: Chen, Yixiong, et autres
Publié: (2026)
Towards Lossless Ultimate Vision Token Compression for VLMs
par: Zheng, Dehua, et autres
Publié: (2025)
par: Zheng, Dehua, et autres
Publié: (2025)
Documents similaires
-
VACoDe: Visual Augmented Contrastive Decoding
par: Kim, Sihyeon, et autres
Publié: (2024) -
ChartMoE: Mixture of Diversely Aligned Expert Connector for Chart Understanding
par: Xu, Zhengzhuo, et autres
Publié: (2024) -
ChartPoint: Guiding MLLMs with Grounding Reflection for Chart Reasoning
par: Xu, Zhengzhuo, et autres
Publié: (2025) -
VLMs have Tunnel Vision: Evaluating Nonlocal Visual Reasoning in Leading VLMs
par: Berman, Shmuel, et autres
Publié: (2025) -
Rethinking VLMs and LLMs for Image Classification
par: Cooper, Avi, et autres
Publié: (2024)