Buchumschlag

CPPO: Contrastive Perception Policy Optimization for VLM Agents

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Rezaei, Ahmad, Gholami, Mohsen, Alvar, Saeed Ranjbar, Cannons, Kevin, Hossain, Mohammad Asiful, Weimin, Zhou, Zhang, Yong, Akbari, Mohammad
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

CASP: Compression of Large Multimodal Models Based on Attention Sparsity
von: Gholami, Mohsen, et al.
Veröffentlicht: (2025)

LaWa: Using Latent Space for In-Generation Image Watermarking
von: Rezaei, Ahmad, et al.
Veröffentlicht: (2024)

Spatial Reasoning with Vision-Language Models in Ego-Centric Multi-View Scenes
von: Gholami, Mohsen, et al.
Veröffentlicht: (2025)

DivPrune: Diversity-based Visual Token Pruning for Large Multimodal Models
von: Alvar, Saeed Ranjbar, et al.
Veröffentlicht: (2025)

Compressive Feature Selection for Remote Visual Multi-Task Inference
von: Alvar, Saeed Ranjbar, et al.
Veröffentlicht: (2024)

Continual Learning: Less Forgetting, More OOD Generalization via Adaptive Contrastive Replay
von: Rezaei, Hossein, et al.
Veröffentlicht: (2024)

No-reference Quality Assessment of Contrast-distorted Images using Contrast-enhanced Pseudo Reference
von: Mahmoudpour, Mohammad-Ali, et al.
Veröffentlicht: (2025)

AMUSE: Adaptive Multi-Segment Encoding for Dataset Watermarking
von: Alvar, Saeed Ranjbar, et al.
Veröffentlicht: (2024)

Training-Free Diffusion Framework for Stylized Image Generation with Identity Preservation
von: Rezaei, Mohammad Ali, et al.
Veröffentlicht: (2025)

SpaceVLM: Sub-Space Modeling of Negation in Vision-Language Models
von: Ranjbar, Sepehr Kazemi, et al.
Veröffentlicht: (2025)

Beyond Overall Accuracy: Pose- and Occlusion-driven Fairness Analysis in Pedestrian Detection for Autonomous Driving
von: Khoshkdahan, Mohammad, et al.
Veröffentlicht: (2025)

ConDiSR: Contrastive Disentanglement and Style Regularization for Single Domain Generalization
von: Matsun, Aleksandr, et al.
Veröffentlicht: (2024)

Towards Secure and Usable 3D Assets: A Novel Framework for Automatic Visible Watermarking
von: Singh, Gursimran, et al.
Veröffentlicht: (2024)

Automated Defect Detection and Grading of Piarom Dates Using Deep Learning
von: Azimi, Nasrin, et al.
Veröffentlicht: (2024)

EgoVLM: Policy Optimization for Egocentric Video Understanding
von: Vinod, Ashwin, et al.
Veröffentlicht: (2025)

TrojVLM: Backdoor Attack Against Vision Language Models
von: Lyu, Weimin, et al.
Veröffentlicht: (2024)

Multi-Rationale Explainable Object Recognition via Contrastive Conditional Inference
von: Rasekh, Ali, et al.
Veröffentlicht: (2025)

Towards Pixel-Level VLM Perception via Simple Points Prediction
von: Song, Tianhui, et al.
Veröffentlicht: (2026)

APPO: Attention-guided Perception Policy Optimization for Video Reasoning
von: Du, Henghui, et al.
Veröffentlicht: (2026)

DriveAgent-R1: Advancing VLM-based Autonomous Driving with Active Perception and Hybrid Thinking
von: Zheng, Weicheng, et al.
Veröffentlicht: (2025)

HiconAgent: History Context-aware Policy Optimization for GUI Agents
von: Zhou, Xurui, et al.
Veröffentlicht: (2025)

DynRsl-VLM: Enhancing Autonomous Driving Perception with Dynamic Resolution Vision-Language Models
von: Zhou, Xirui, et al.
Veröffentlicht: (2025)

GAP3D: Generative Alignment of VLM Latents to Patch-Level Embeddings for 3D Generation
von: Gkotsi, Polytimi Anna, et al.
Veröffentlicht: (2026)

FETAL-GAUGE: A Benchmark for Assessing Vision-Language Models in Fetal Ultrasound
von: Alasmawi, Hussain, et al.
Veröffentlicht: (2025)

Text-driven 3D Human Generation via Contrastive Preference Optimization
von: Zhou, Pengfei, et al.
Veröffentlicht: (2025)

HyCoVAD: A Hybrid SSL-LLM Model for Complex Video Anomaly Detection
von: Hemmatyar, Mohammad Mahdi, et al.
Veröffentlicht: (2025)

MAFM^3: Modular Adaptation of Foundation Models for Multi-Modal Medical AI
von: Qazi, Mohammad Areeb, et al.
Veröffentlicht: (2025)

Secure Diagnostics: Adversarial Robustness Meets Clinical Interpretability
von: Najafi, Mohammad Hossein, et al.
Veröffentlicht: (2025)

ROOT: VLM based System for Indoor Scene Understanding and Beyond
von: Wang, Yonghui, et al.
Veröffentlicht: (2024)

AllWeatherNet:Unified Image Enhancement for Autonomous Driving under Adverse Weather and Lowlight-conditions
von: Qian, Chenghao, et al.
Veröffentlicht: (2024)

Taming the Randomness: Towards Label-Preserving Cropping in Contrastive Learning
von: Hassan, Mohamed, et al.
Veröffentlicht: (2025)

VLM-Grounder: A VLM Agent for Zero-Shot 3D Visual Grounding
von: Xu, Runsen, et al.
Veröffentlicht: (2024)

Why Settle for Mid: A Probabilistic Viewpoint to Spatial Relationship Alignment in Text-to-image Models
von: Rezaei, Parham, et al.
Veröffentlicht: (2025)

Diffusion Beats Autoregressive: An Evaluation of Compositional Generation in Text-to-Image Models
von: Marioriyad, Arash, et al.
Veröffentlicht: (2024)

Guidance Contrastive Token Credit Assignment for Discrete Policy Optimization
von: Li, Shufan, et al.
Veröffentlicht: (2026)

Weakly-supervised VLM-guided Partial Contrastive Learning for Visual Language Navigation
von: Wang, Ruoyu, et al.
Veröffentlicht: (2025)

LeOCLR: Leveraging Original Images for Contrastive Learning of Visual Representations
von: Alkhalefi, Mohammad, et al.
Veröffentlicht: (2024)

BEAT: Visual Backdoor Attacks on VLM-based Embodied Agents via Contrastive Trigger Learning
von: Zhan, Qiusi, et al.
Veröffentlicht: (2025)

Contrastive learning-based video quality assessment-jointed video vision transformer for video recognition
von: Sun, Jian, et al.
Veröffentlicht: (2026)

A Contrastive Learning Framework for Breast Cancer Detection
von: Saeed, Samia, et al.
Veröffentlicht: (2025)