Copertina

BalCapRL: A Balanced Framework for RL-Based MLLM Image Captioning

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Ye, Shaokai, Saveris, Vasileios, Qian, Yihao, Hu, Jiaming, Amirloo, Elmira, Grasch, Peter
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Computer Vision and Pattern Recognition Artificial Intelligence
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Revisit Large-Scale Image-Caption Data in Pre-training Multimodal Foundation Models
di: Lai, Zhengfeng, et al.
Pubblicazione: (2024)

CapRL: Stimulating Dense Image Caption Capabilities via Reinforcement Learning
di: Xing, Long, et al.
Pubblicazione: (2025)

Understanding Alignment in Multimodal LLMs: A Comprehensive Study
di: Amirloo, Elmira, et al.
Pubblicazione: (2024)

ControlCap: Controllable Region-level Captioning
di: Zhao, Yuzhong, et al.
Pubblicazione: (2024)

PromptRL: Prompt Matters in RL for Flow-Based Image Generation
di: Wang, Fu-Yun, et al.
Pubblicazione: (2026)

SuperCap: Multi-resolution Superpixel-based Image Captioning
di: Senior, Henry, et al.
Pubblicazione: (2025)

MeaCap: Memory-Augmented Zero-shot Image Captioning
di: Zeng, Zequn, et al.
Pubblicazione: (2024)

One Framework to Rule Them All: Unifying RL-Based and RL-Free Methods in RLHF
di: Cai, Xin
Pubblicazione: (2025)

MARBLE: Multi-Aspect Reward Balance for Diffusion RL
di: Zhao, Canyu, et al.
Pubblicazione: (2026)

XMeCap: Meme Caption Generation with Sub-Image Adaptability
di: Chen, Yuyan, et al.
Pubblicazione: (2024)

ParseCaps: An Interpretable Parsing Capsule Network for Medical Image Diagnosis
di: Geng, Xinyu, et al.
Pubblicazione: (2024)

ReCap: Event-Aware Image Captioning with Article Retrieval and Semantic Gaussian Normalization
di: Nguyen, Thinh-Phuc, et al.
Pubblicazione: (2025)

FlexTok: Resampling Images into 1D Token Sequences of Flexible Length
di: Bachmann, Roman, et al.
Pubblicazione: (2025)

SnapCap: Efficient Snapshot Compressive Video Captioning
di: Sun, Jianqiao, et al.
Pubblicazione: (2024)

RL-I2IT: Image-to-Image Translation with Deep Reinforcement Learning
di: Hu, Jing, et al.
Pubblicazione: (2023)

CapArena: Benchmarking and Analyzing Detailed Image Captioning in the LLM Era
di: Cheng, Kanzhi, et al.
Pubblicazione: (2025)

AnyCap Project: A Unified Framework, Dataset, and Benchmark for Controllable Omni-modal Captioning
di: Ren, Yiming, et al.
Pubblicazione: (2025)

The Promise of RL for Autoregressive Image Editing
di: Ahmadi, Saba, et al.
Pubblicazione: (2025)

IF-VidCap: Can Video Caption Models Follow Instructions?
di: Li, Shihao, et al.
Pubblicazione: (2025)

Video ReCap: Recursive Captioning of Hour-Long Videos
di: Islam, Md Mohaiminul, et al.
Pubblicazione: (2024)

MIA-Bench: Towards Better Instruction Following Evaluation of Multimodal LLMs
di: Qian, Yusu, et al.
Pubblicazione: (2024)

Moodifier: MLLM-Enhanced Emotion-Driven Image Editing
di: Ye, Jiarong, et al.
Pubblicazione: (2025)

TOD3Cap: Towards 3D Dense Captioning in Outdoor Scenes
di: Jin, Bu, et al.
Pubblicazione: (2024)

PaCo-RL: Advancing Reinforcement Learning for Consistent Image Generation with Pairwise Reward Modeling
di: Ping, Bowen, et al.
Pubblicazione: (2025)

PaveCap: The First Multimodal Framework for Comprehensive Pavement Condition Assessment with Dense Captioning and PCI Estimation
di: Kyem, Blessing Agyei, et al.
Pubblicazione: (2024)

Explainable Deepfake Detection with RL Enhanced Self-Blended Images
di: Jiang, Ning, et al.
Pubblicazione: (2026)

RubricRL: Simple Generalizable Rewards for Text-to-Image Generation
di: Feng, Xuelu, et al.
Pubblicazione: (2025)

MIRG-RL: Multi-Image Reasoning and Grounding with Reinforcement Learning
di: Zheng, Lihao, et al.
Pubblicazione: (2025)

When Does RL Help Medical VLMs? Disentangling Vision, SFT, and RL Gains
di: Jeddi, Ahmadreza, et al.
Pubblicazione: (2026)

Sentinel2Cap: A Human-Annotated Benchmark Dataset for Multimodal Remote Sensing Image Captioning
di: Tosato, Lucrezia, et al.
Pubblicazione: (2026)

RoFIR: Robust Fisheye Image Rectification Framework Impervious to Optical Center Deviation
di: Liao, Zhaokang, et al.
Pubblicazione: (2024)

EvoGuard: An Extensible Agentic RL-based Framework for Practical and Evolving AI-Generated Image Detection
di: Zhu, Chenyang, et al.
Pubblicazione: (2026)

SAIL-RL: Guiding MLLMs in When and How to Think via Dual-Reward RL Tuning
di: Shu, Fangxun, et al.
Pubblicazione: (2025)

FingerCap: Fine-grained Finger-level Hand Motion Captioning
di: Shen, Xin, et al.
Pubblicazione: (2025)

VoCap: Video Object Captioning and Segmentation from Any Prompt
di: Uijlings, Jasper, et al.
Pubblicazione: (2025)

CapGeo: A Caption-Assisted Approach to Geometric Reasoning
di: Li, Yuying, et al.
Pubblicazione: (2025)

ProCap: Projection-Aware Captioning for Spatial Augmented Reality
di: Cao, Zimo, et al.
Pubblicazione: (2026)

ScaleCap: Inference-Time Scalable Image Captioning via Dual-Modality Debiasing
di: Xing, Long, et al.
Pubblicazione: (2025)

DiffCap-Bench: A Comprehensive, Challenging, Robust Benchmark for Image Difference Captioning
di: Wei, Yuancheng, et al.
Pubblicazione: (2026)

OwlCap: Harmonizing Motion-Detail for Video Captioning via HMD-270K and Caption Set Equivalence Reward
di: Zhong, Chunlin, et al.
Pubblicazione: (2025)