:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ray, Arijit, Abdelkader, Ahmed, Mao, Chengzhi, Plummer, Bryan A., Saenko, Kate, Krishna, Ranjay, Guibas, Leonidas, Chu, Wen-Sheng
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	https://arxiv.org/abs/2512.10941
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Tell Me What's Next: Textual Foresight for Generic UI Representations
von: Burns, Andrea, et al.
Veröffentlicht: (2024)

From Fake to Real: Pretraining on Balanced Synthetic Images to Prevent Spurious Correlations in Image Recognition
von: Qraitem, Maan, et al.
Veröffentlicht: (2023)

SLANT: Spurious Logo ANalysis Toolkit
von: Qraitem, Maan, et al.
Veröffentlicht: (2024)

Web Artifact Attacks Disrupt Vision Language Models
von: Qraitem, Maan, et al.
Veröffentlicht: (2025)

SAT: Dynamic Spatial Aptitude Training for Multimodal Language Models
von: Ray, Arijit, et al.
Veröffentlicht: (2024)

OP-LoRA: The Blessing of Dimensionality
von: Teterwak, Piotr, et al.
Veröffentlicht: (2024)

Is Large-Scale Pretraining the Secret to Good Domain Generalization?
von: Teterwak, Piotr, et al.
Veröffentlicht: (2024)

ERM++: An Improved Baseline for Domain Generalization
von: Teterwak, Piotr, et al.
Veröffentlicht: (2023)

CLAMP: Contrastive LAnguage Model Prompt-tuning
von: Teterwak, Piotr, et al.
Veröffentlicht: (2023)

Vision-LLMs Can Fool Themselves with Self-Generated Typographic Attacks
von: Qraitem, Maan, et al.
Veröffentlicht: (2024)

Koala: Key frame-conditioned long video-LLM
von: Tan, Reuben, et al.
Veröffentlicht: (2024)

SIMS-V: Simulated Instruction-Tuning for Spatial Video Understanding
von: Brown, Ellis, et al.
Veröffentlicht: (2025)

Ablate-to-Validate: Are Vision-Language Models Really Using Continuous Thought Tokens?
von: Zhang, Tianyi, et al.
Veröffentlicht: (2026)

Scaling Up Temporal Domain Generalization via Temporal Experts Averaging
von: Liu, Aoming, et al.
Veröffentlicht: (2025)

Concept Arithmetics for Circumventing Concept Inhibition in Diffusion Models
von: Petsiuk, Vitali, et al.
Veröffentlicht: (2024)

BlenderAlchemy: Editing 3D Graphics with Vision-Language Models
von: Huang, Ian, et al.
Veröffentlicht: (2024)

Zero-Shot Open-Vocabulary Tracking with Large Pre-Trained Models
von: Chu, Wen-Hsuan, et al.
Veröffentlicht: (2023)

Marginalized Bundle Adjustment: Multi-View Camera Pose from Monocular Depth Estimates
von: Zhu, Shengjie, et al.
Veröffentlicht: (2026)

Differences That Matter: Auditing Models for Capability Gap Discovery and Rectification
von: Liu, Qihao, et al.
Veröffentlicht: (2025)

SCRAMBLe : Enhancing Multimodal LLM Compositionality with Synthetic Preference Data
von: Mishra, Samarth, et al.
Veröffentlicht: (2025)

OCH3R: Object-Centric Holistic 3D Reconstruction
von: Du, Yi, et al.
Veröffentlicht: (2026)

InfoGaussian: Structure-Aware Dynamic Gaussians through Lightweight Information Shaping
von: Zhang, Yunchao, et al.
Veröffentlicht: (2024)

PASTA: Controllable Part-Aware Shape Generation with Autoregressive Transformers
von: Li, Songlin, et al.
Veröffentlicht: (2024)

NeRF Revisited: Fixing Quadrature Instability in Volume Rendering
von: Uy, Mikaela Angelina, et al.
Veröffentlicht: (2023)

Support-Set Context Matters for Bongard Problems
von: Raghuraman, Nikhil, et al.
Veröffentlicht: (2023)

Refining Pre-Trained Motion Models
von: Sun, Xinglong, et al.
Veröffentlicht: (2024)

Breaking the Assistant Mold: Modeling Behavioral Variation in LLM Based Procedural Character Generation
von: Qraitem, Maan, et al.
Veröffentlicht: (2026)

Walk and Read Less: Improving the Efficiency of Vision-and-Language Navigation via Tuning-Free Multimodal Token Pruning
von: Qin, Wenda, et al.
Veröffentlicht: (2025)

Modality Agnostic Efficient Long Range Encoder
von: Parag, Toufiq, et al.
Veröffentlicht: (2025)

LNL+K: Enhancing Learning with Noisy Labels Through Noise Source Knowledge Integration
von: Wang, Siqi, et al.
Veröffentlicht: (2023)

RefTok: Reference-Based Tokenization for Video Generation
von: Fan, Xiang, et al.
Veröffentlicht: (2025)

SuperDec: 3D Scene Decomposition with Superquadric Primitives
von: Fedele, Elisabetta, et al.
Veröffentlicht: (2025)

Robust Human Registration with Body Part Segmentation on Noisy Point Clouds
von: Lascheit, Kai, et al.
Veröffentlicht: (2025)

MoMaps: Semantics-Aware Scene Motion Generation with Motion Maps
von: Lei, Jiahui, et al.
Veröffentlicht: (2025)

Dynamic Reflections: Probing Video Representations with Text Alignment
von: Zhu, Tyler, et al.
Veröffentlicht: (2025)

SplatTalk: 3D VQA with Gaussian Splatting
von: Thai, Anh, et al.
Veröffentlicht: (2025)

Asymmetric Flow Models
von: Chen, Hansheng, et al.
Veröffentlicht: (2026)

Multiview Equivariance Improves 3D Correspondence Understanding with Minimal Feature Finetuning
von: You, Yang, et al.
Veröffentlicht: (2024)

Zero-Shot Image Feature Consensus with Deep Functional Maps
von: Cheng, Xinle, et al.
Veröffentlicht: (2024)

Federated Adversarial Domain Adaptation
von: Peng, Xingchao, et al.
Veröffentlicht: (2019)