Buchumschlag

Visual Alignment of Medical Vision-Language Models for Grounded Radiology Report Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Bose, Sarosij, Rajendran, Ravi K., Debnath, Biplob, Karydis, Konstantinos, Roy-Chowdhury, Amit K., Chakradhar, Srimat
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Open-SAT: LLM-Guided Query Embedding Refinement for Open-Vocabulary Object Retrieval in Satellite Imagery
von: Arefeen, Md Adnan, et al.
Veröffentlicht: (2026)

StreamingRAG: Real-time Contextual Retrieval and Generation Framework
von: Sankaradas, Murugan, et al.
Veröffentlicht: (2025)

TrafficLens: Multi-Camera Traffic Video Analysis Using LLMs
von: Arefeen, Md Adnan, et al.
Veröffentlicht: (2025)

Differentiable JPEG: The Devil is in the Details
von: Reich, Christoph, et al.
Veröffentlicht: (2023)

Leveraging Synthetic Adult Datasets for Unsupervised Infant Pose Estimation
von: Bose, Sarosij, et al.
Veröffentlicht: (2025)

Unsupervised Domain Adaptation for Occlusion Resilient Human Pose Estimation
von: Dutta, Arindam, et al.
Veröffentlicht: (2025)

Uncertainty-Aware Diffusion Guided Refinement of 3D Scenes
von: Bose, Sarosij, et al.
Veröffentlicht: (2025)

Deep Video Codec Control for Vision Models
von: Reich, Christoph, et al.
Veröffentlicht: (2023)

iRAG: Advancing RAG for Videos with an Incremental Approach
von: Arefeen, Md Adnan, et al.
Veröffentlicht: (2024)

Conformal Prediction and MLLM aided Uncertainty Quantification in Scene Graph Generation
von: Nag, Sayak, et al.
Veröffentlicht: (2025)

Language-guided Robust Navigation for Mobile Robots in Dynamically-changing Environments
von: Simons, Cody, et al.
Veröffentlicht: (2024)

Vision-based Xylem Wetness Classification in Stem Water Potential Determination
von: Peiris, Pamodya, et al.
Veröffentlicht: (2024)

Re-ranking the Context for Multimodal Retrieval Augmented Generation
von: Mortaheb, Matin, et al.
Veröffentlicht: (2025)

RAG-Check: Evaluating Multimodal Retrieval Augmented Generation Performance
von: Mortaheb, Matin, et al.
Veröffentlicht: (2025)

Improving Medical Visual Representations via Radiology Report Generation
von: Quigley, Keegan, et al.
Veröffentlicht: (2023)

VOccl3D: A Video Benchmark Dataset for 3D Human Pose and Shape Estimation under real Occlusions
von: Garg, Yash, et al.
Veröffentlicht: (2025)

TruthLens: Visual Grounding for Universal DeepFake Reasoning
von: Kundu, Rohit, et al.
Veröffentlicht: (2025)

LINGUAL: Language-INtegrated GUidance in Active Learning for Medical Image Segmentation
von: Islam, Md Shazid, et al.
Veröffentlicht: (2025)

RadAlign: Advancing Radiology Report Generation with Vision-Language Concept Alignment
von: Gu, Difei, et al.
Veröffentlicht: (2025)

Enhancing Radiology Report Generation and Visual Grounding using Reinforcement Learning
von: Gundersen, Benjamin, et al.
Veröffentlicht: (2025)

MCA-RG: Enhancing LLMs with Medical Concept Alignment for Radiology Report Generation
von: Xing, Qilong, et al.
Veröffentlicht: (2025)

A Perspective on Deep Vision Performance with Standard Image and Video Codecs
von: Reich, Christoph, et al.
Veröffentlicht: (2024)

Layer-wise Alignment: Examining Safety Alignment Across Image Encoder Layers in Vision Language Models
von: Bachu, Saketh, et al.
Veröffentlicht: (2024)

Grounding Chest X-Ray Visual Question Answering with Generated Radiology Reports
von: Serra, Francesco Dalla, et al.
Veröffentlicht: (2025)

Anatomical Attention Alignment representation for Radiology Report Generation
von: Nguyen, Quang Vinh, et al.
Veröffentlicht: (2025)

MAIRA-2: Grounded Radiology Report Generation
von: Bannur, Shruthi, et al.
Veröffentlicht: (2024)

Visual Prompt Engineering for Vision Language Models in Radiology
von: Denner, Stefan, et al.
Veröffentlicht: (2024)

RIHA: Report-Image Hierarchical Alignment for Radiology Report Generation
von: Chen, Yucheng, et al.
Veröffentlicht: (2026)

Intensive Vision-guided Network for Radiology Report Generation
von: Zheng, Fudan, et al.
Veröffentlicht: (2024)

Online Iterative Self-Alignment for Radiology Report Generation
von: Xiao, Ting, et al.
Veröffentlicht: (2025)

MAGIC: Multimodal Alignment & Grounding-aware Instruction Coreset for Vision-Language Models
von: Biswas, Shristi Das, et al.
Veröffentlicht: (2026)

Bridging Vision and Language: Optimal Transport-Driven Radiology Report Generation via LLMs
von: Zhao, Haifeng, et al.
Veröffentlicht: (2025)

ProGAL-VLA: Grounded Alignment through Prospective Reasoning in Vision-Language-Action Models
von: Darabi, Nastaran, et al.
Veröffentlicht: (2026)

Evaluating Vision Language Model Adaptations for Radiology Report Generation in Low-Resource Languages
von: Salmè, Marco, et al.
Veröffentlicht: (2025)

Self-Supervised Anatomical Consistency Learning for Vision-Grounded Medical Report Generation
von: Yang, Longzhen, et al.
Veröffentlicht: (2025)

iFinder: Structured Zero-Shot Vision-Based LLM Grounding for Dash-Cam Video Reasoning
von: Yao, Manyi, et al.
Veröffentlicht: (2025)

Learning Visual Grounding from Generative Vision and Language Model
von: Wang, Shijie, et al.
Veröffentlicht: (2024)

Generate to Ground: Multimodal Text Conditioning Boosts Phrase Grounding in Medical Vision-Language Models
von: Nützel, Felix, et al.
Veröffentlicht: (2025)

Argus: Benchmarking and Enhancing Vision-Language Models for 3D Radiology Report Generation
von: Liu, Che, et al.
Veröffentlicht: (2024)

TRACE: Temporal Radiology with Anatomical Change Explanation for Grounded X-ray Report Generation
von: Aranya, OFM Riaz Rahman, et al.
Veröffentlicht: (2026)