Mitigating Multimodal LLMs Hallucinations via Relevance Propagation at Inference Time
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Allouche, Itai, Keshet, Joseph |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
How Does a Deep Neural Network Look at Lexical Stress in English Words?
par: Allouche, Itai, et autres
Publié: (2025)
par: Allouche, Itai, et autres
Publié: (2025)
Joint Multimodal Transformer for Emotion Recognition in the Wild
par: Waligora, Paul, et autres
Publié: (2024)
par: Waligora, Paul, et autres
Publié: (2024)
Collaborative Hybrid Propagator for Temporal Misalignment in Audio-Visual Segmentation
par: Li, Kexin, et autres
Publié: (2024)
par: Li, Kexin, et autres
Publié: (2024)
Audio-Agent: Leveraging LLMs For Audio Generation, Editing and Composition
par: Wang, Zixuan, et autres
Publié: (2024)
par: Wang, Zixuan, et autres
Publié: (2024)
MDD-Net: Multimodal Depression Detection through Mutual Transformer
par: Haque, Md Rezwanul, et autres
Publié: (2025)
par: Haque, Md Rezwanul, et autres
Publié: (2025)
Dynamic Modality and View Selection for Multimodal Emotion Recognition with Missing Modalities
par: Menon, Luciana Trinkaus, et autres
Publié: (2024)
par: Menon, Luciana Trinkaus, et autres
Publié: (2024)
Integrating Audio, Visual, and Semantic Information for Enhanced Multimodal Speaker Diarization
par: Cheng, Luyao, et autres
Publié: (2024)
par: Cheng, Luyao, et autres
Publié: (2024)
MMAudio: Taming Multimodal Joint Training for High-Quality Video-to-Audio Synthesis
par: Cheng, Ho Kei, et autres
Publié: (2024)
par: Cheng, Ho Kei, et autres
Publié: (2024)
EchoInk-R1: Exploring Audio-Visual Reasoning in Multimodal LLMs via Reinforcement Learning
par: Xing, Zhenghao, et autres
Publié: (2025)
par: Xing, Zhenghao, et autres
Publié: (2025)
Exploring Audio Cues for Enhanced Test-Time Video Model Adaptation
par: Zeng, Runhao, et autres
Publié: (2025)
par: Zeng, Runhao, et autres
Publié: (2025)
Adversarial synthesis based data-augmentation for code-switched spoken language identification
par: Shastri, Parth, et autres
Publié: (2022)
par: Shastri, Parth, et autres
Publié: (2022)
Step-by-Step Video-to-Audio Synthesis via Negative Audio Guidance
par: Hayakawa, Akio, et autres
Publié: (2025)
par: Hayakawa, Akio, et autres
Publié: (2025)
Improving Multimodal Learning with Multi-Loss Gradient Modulation
par: Kontras, Konstantinos, et autres
Publié: (2024)
par: Kontras, Konstantinos, et autres
Publié: (2024)
Aurelia: Test-time Reasoning Distillation in Audio-Visual LLMs
par: Chowdhury, Sanjoy, et autres
Publié: (2025)
par: Chowdhury, Sanjoy, et autres
Publié: (2025)
Multimodal Deep Learning for ATCO Command Lifecycle Modeling and Workload Prediction
par: Tan, Kaizhen
Publié: (2025)
par: Tan, Kaizhen
Publié: (2025)
FoleyGRAM: Video-to-Audio Generation with GRAM-Aligned Multimodal Encoders
par: Gramaccioni, Riccardo Fosco, et autres
Publié: (2025)
par: Gramaccioni, Riccardo Fosco, et autres
Publié: (2025)
Multimodal Segmentation for Vocal Tract Modeling
par: Jain, Rishi, et autres
Publié: (2024)
par: Jain, Rishi, et autres
Publié: (2024)
AMuSE: Adaptive Multimodal Analysis for Speaker Emotion Recognition in Group Conversations
par: Devulapally, Naresh Kumar, et autres
Publié: (2024)
par: Devulapally, Naresh Kumar, et autres
Publié: (2024)
Mitigating Attention Sinks and Massive Activations in Audio-Visual Speech Recognition with LLMs
par: Anand, et autres
Publié: (2025)
par: Anand, et autres
Publié: (2025)
Multimodality Helps Unimodality: Cross-Modal Few-Shot Learning with Multimodal Models
par: Lin, Zhiqiu, et autres
Publié: (2023)
par: Lin, Zhiqiu, et autres
Publié: (2023)
Meerkat: Audio-Visual Large Language Model for Grounding in Space and Time
par: Chowdhury, Sanjoy, et autres
Publié: (2024)
par: Chowdhury, Sanjoy, et autres
Publié: (2024)
MUSE: A Run-Centric Platform for Multimodal Unified Safety Evaluation of Large Language Models
par: Wang, Zhongxi, et autres
Publié: (2026)
par: Wang, Zhongxi, et autres
Publié: (2026)
A High-Accuracy Optical Music Recognition Method Based on Bottleneck Residual Convolutions
par: Ma, Junwen, et autres
Publié: (2026)
par: Ma, Junwen, et autres
Publié: (2026)
Attention Isn't All You Need for Emotion Recognition:Domain Features Outperform Transformers on the EAV Dataset
par: Guragain, Anmol
Publié: (2026)
par: Guragain, Anmol
Publié: (2026)
MMAudioReverbs: Video-Guided Acoustic Modeling for Dereverberation and Room Impulse Response Estimation
par: Takahashi, Akira, et autres
Publié: (2026)
par: Takahashi, Akira, et autres
Publié: (2026)
Ditto: Motion-Space Diffusion for Controllable Realtime Talking Head Synthesis
par: Li, Tianqi, et autres
Publié: (2024)
par: Li, Tianqi, et autres
Publié: (2024)
Addressing Representation Collapse in Vector Quantized Models with One Linear Layer
par: Zhu, Yongxin, et autres
Publié: (2024)
par: Zhu, Yongxin, et autres
Publié: (2024)
Exploring Federated Self-Supervised Learning for General Purpose Audio Understanding
par: Rehman, Yasar Abbas Ur, et autres
Publié: (2024)
par: Rehman, Yasar Abbas Ur, et autres
Publié: (2024)
Deep Neural Networks for Automatic Speaker Recognition Do Not Learn Supra-Segmental Temporal Features
par: Neururer, Daniel, et autres
Publié: (2023)
par: Neururer, Daniel, et autres
Publié: (2023)
Acoustic Scene Classification: A Competition Review
par: Gharib, Shayan, et autres
Publié: (2018)
par: Gharib, Shayan, et autres
Publié: (2018)
Assessing the Robustness of Spectral Clustering for Deep Speaker Diarization
par: Raghav, Nikhil, et autres
Publié: (2024)
par: Raghav, Nikhil, et autres
Publié: (2024)
Exploring Green AI for Audio Deepfake Detection
par: Saha, Subhajit, et autres
Publié: (2024)
par: Saha, Subhajit, et autres
Publié: (2024)
Dynamic Cross Attention for Audio-Visual Person Verification
par: Praveen, R. Gnana, et autres
Publié: (2024)
par: Praveen, R. Gnana, et autres
Publié: (2024)
An Eye for an Ear: Zero-shot Audio Description Leveraging an Image Captioner using Audiovisual Distribution Alignment
par: Malard, Hugo, et autres
Publié: (2024)
par: Malard, Hugo, et autres
Publié: (2024)
Benchmarking Machine Learning Methods for Distributed Acoustic Sensing
par: Shi, Shuaikai, et autres
Publié: (2025)
par: Shi, Shuaikai, et autres
Publié: (2025)
MAVFlow: Preserving Paralinguistic Elements with Conditional Flow Matching for Zero-Shot AV2AV Multilingual Translation
par: Cho, Sungwoo, et autres
Publié: (2025)
par: Cho, Sungwoo, et autres
Publié: (2025)
Developing an AI-based Integrated System for Bee Health Evaluation
par: Liang, Andrew
Publié: (2024)
par: Liang, Andrew
Publié: (2024)
The Solution for Temporal Sound Localisation Task of ICCV 1st Perception Test Challenge 2023
par: Huang, Yurui, et autres
Publié: (2024)
par: Huang, Yurui, et autres
Publié: (2024)
Character-aware audio-visual subtitling in context
par: Huh, Jaesung, et autres
Publié: (2024)
par: Huh, Jaesung, et autres
Publié: (2024)
Towards reliable respiratory disease diagnosis based on cough sounds and vision transformers
par: Wang, Qian, et autres
Publié: (2024)
par: Wang, Qian, et autres
Publié: (2024)
Documents similaires
-
How Does a Deep Neural Network Look at Lexical Stress in English Words?
par: Allouche, Itai, et autres
Publié: (2025) -
Joint Multimodal Transformer for Emotion Recognition in the Wild
par: Waligora, Paul, et autres
Publié: (2024) -
Collaborative Hybrid Propagator for Temporal Misalignment in Audio-Visual Segmentation
par: Li, Kexin, et autres
Publié: (2024) -
Audio-Agent: Leveraging LLMs For Audio Generation, Editing and Composition
par: Wang, Zixuan, et autres
Publié: (2024) -
MDD-Net: Multimodal Depression Detection through Mutual Transformer
par: Haque, Md Rezwanul, et autres
Publié: (2025)