Buchumschlag

SITUATE -- Synthetic Object Counting Dataset for VLM training

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Peinl, René, Tischler, Vincent, Schröder, Patrick, Groth, Christian
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence I.2.10
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

BugNIST -- a Large Volumetric Dataset for Object Detection under Domain Shift
von: Jensen, Patrick Møller, et al.
Veröffentlicht: (2023)

Demo-Pose: Depth-Monocular Modality Fusion For Object Pose Estimation
von: Agarwal, Rachit, et al.
Veröffentlicht: (2026)

Robust Visual Question Answering: Datasets, Methods, and Future Challenges
von: Ma, Jie, et al.
Veröffentlicht: (2023)

Evaluation of Environmental Conditions on Object Detection using Oriented Bounding Boxes for AR Applications
von: Li, Vladislav, et al.
Veröffentlicht: (2023)

MFTF: Mask-free Training-free Object Level Layout Control Diffusion Model
von: Yang, Shan
Veröffentlicht: (2024)

VLM@school -- Evaluation of AI image understanding on German middle school knowledge
von: Peinl, René, et al.
Veröffentlicht: (2025)

Vectra: A New Metric, Dataset, and Model for Visual Quality Assessment in E-Commerce In-Image Machine Translation
von: Wu, Qingyu, et al.
Veröffentlicht: (2026)

GenMatter: Perceiving Physical Objects with Generative Matter Models
von: Li, Eric, et al.
Veröffentlicht: (2026)

ChartComplete: A Taxonomy-based Inclusive Chart Dataset
von: Mustapha, Ahmad, et al.
Veröffentlicht: (2026)

Think with 3D: Geometric Imagination Grounded Spatial Reasoning from Limited Views
von: Chen, Zhangquan, et al.
Veröffentlicht: (2025)

Image Segmentation and Classification of E-waste for Training Robots for Waste Segregation
von: Tripathi, Prakriti
Veröffentlicht: (2025)

ProtoFlow: Interpretable and Robust Surgical Workflow Modeling with Learned Dynamic Scene Graph Prototypes
von: Holm, Felix, et al.
Veröffentlicht: (2025)

Siamese Networks for Cat Re-Identification: Exploring Neural Models for Cat Instance Recognition
von: Trein, Tobias, et al.
Veröffentlicht: (2025)

Appearance-based gaze estimation enhanced with synthetic images using deep neural networks
von: Herashchenko, Dmytro, et al.
Veröffentlicht: (2023)

From Prompt to Production:Automating Brand-Safe Marketing Imagery with Text-to-Image Models
von: Atighehchian, Parmida, et al.
Veröffentlicht: (2026)

Attentive VQ-VAE
von: Hoyos, Angello, et al.
Veröffentlicht: (2023)

Sora as a World Model? A Complete Survey on Text-to-Video Generation
von: Puspitasari, Fachrina Dewi, et al.
Veröffentlicht: (2024)

TexTailor: Customized Text-aligned Texturing via Effective Resampling
von: Lee, Suin, et al.
Veröffentlicht: (2025)

SIFThinker: Spatially-Aware Image Focus for Visual Reasoning
von: Chen, Zhangquan, et al.
Veröffentlicht: (2025)

OmniVideo-R1: Reinforcing Audio-visual Reasoning with Query Intention and Modality Attention
von: Chen, Zhangquan, et al.
Veröffentlicht: (2026)

CLIP Embeddings for AI-Generated Image Detection: A Few-Shot Study with Lightweight Classifier
von: Ou, Ziyang
Veröffentlicht: (2025)

Rethinking Multimodal Point Cloud Completion: A Completion-by-Correction Perspective
von: Luo, Wang, et al.
Veröffentlicht: (2025)

CoMViT: An Efficient Vision Backbone for Supervised Classification in Medical Imaging
von: Safdar, Aon, et al.
Veröffentlicht: (2025)

Next-Generation License Plate Detection and Recognition System using YOLOv8
von: Amin, Arslan, et al.
Veröffentlicht: (2025)

3DCity-LLM: Empowering Multi-modality Large Language Models for 3D City-scale Perception and Understanding
von: Chen, Yiping, et al.
Veröffentlicht: (2026)

VSI: Visual Subtitle Integration for Keyframe Selection to enhance Long Video Understanding
von: He, Jianxiang, et al.
Veröffentlicht: (2025)

Instruction-based Image Editing with Planning, Reasoning, and Generation
von: Ji, Liya, et al.
Veröffentlicht: (2026)

Fre-Res: Frequency-Residual Video Token Compression for Efficient Video MLLMs
von: Feng, Yigui, et al.
Veröffentlicht: (2026)

Disrupting Diffusion: Token-Level Attention Erasure Attack against Diffusion-based Customization
von: Liu, Yisu, et al.
Veröffentlicht: (2024)

Unified Auto-Encoding with Masked Diffusion
von: Hansen-Estruch, Philippe, et al.
Veröffentlicht: (2024)

A Two-Stage, Object-Centric Deep Learning Framework for Robust Exam Cheating Detection
von: Le, Van-Truong, et al.
Veröffentlicht: (2026)

GPT4o-Receipt: A Dataset and Human Study for AI-Generated Document Forensics
von: Zhang, Yan, et al.
Veröffentlicht: (2026)

Supervised Contrastive Learning for Few-Shot AI-Generated Image Detection and Attribution
von: Urueña, Jaime Álvarez, et al.
Veröffentlicht: (2025)

MedVision: Dataset and Benchmark for Quantitative Medical Image Analysis
von: Yao, Yongcheng, et al.
Veröffentlicht: (2025)

FerretNet: Efficient Synthetic Image Detection via Local Pixel Dependencies
von: Liang, Shuqiao, et al.
Veröffentlicht: (2025)

Intrinsic Image Diffusion for Indoor Single-view Material Estimation
von: Kocsis, Peter, et al.
Veröffentlicht: (2023)

Car Object Counting and Position Estimation via Extension of the CLIP-EBC Framework
von: Jung, Seoik, et al.
Veröffentlicht: (2025)

Beyond Few-shot Object Detection: A Detailed Survey
von: Chudasama, Vishal, et al.
Veröffentlicht: (2024)

Enhancing Long-Term Re-Identification Robustness Using Synthetic Data: A Comparative Analysis
von: Pionzewski, Christian, et al.
Veröffentlicht: (2025)

Multi-modal Loop Closure Detection with Foundation Models in Severely Unstructured Environments
von: Gonzalez, Laura Alejandra Encinar, et al.
Veröffentlicht: (2025)