Buchumschlag

OmniVL-Guard Pro: A Tool-Augmented Agent for Omnibus Vision-Language Forensics

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Shen, Jinjie, Huang, Zheng, Zhang, Yuchen, Wu, Yujiao, Wang, Yaxiong, Cheng, Lechao, Tang, Shengeng, Hui, Tianrui, Pu, Nan, Zhong, Zhun
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

OmniVL-Guard: Towards Unified Vision-Language Forgery Detection and Grounding via Balanced RL
von: Shen, Jinjie, et al.
Veröffentlicht: (2026)

Beyond Artificial Misalignment: Detecting and Grounding Semantic-Coordinated Multimodal Manipulations
von: Shen, Jinjie, et al.
Veröffentlicht: (2025)

Towards Fine-Grained Emotion Understanding via Skeleton-Based Micro-Gesture Recognition
von: Xu, Hao, et al.
Veröffentlicht: (2025)

Knowledge Swapping via Learning and Unlearning
von: Xing, Mingyu, et al.
Veröffentlicht: (2025)

Towards Unified Multimodal Misinformation Detection in Social Media: A Benchmark Dataset and Baseline
von: Li, Haiyang, et al.
Veröffentlicht: (2025)

EntityCLIP: Entity-Centric Image-Text Matching via Multimodal Attentive Contrastive Learning
von: Wang, Yaxiong, et al.
Veröffentlicht: (2024)

FakeSV-VLM: Taming VLM for Detecting Fake Short-Video News via Progressive Mixture-Of-Experts Adapter
von: Wang, Junxi, et al.
Veröffentlicht: (2025)

TDEdit: A Unified Diffusion Framework for Text-Drag Guided Image Manipulation
von: Wang, Qihang, et al.
Veröffentlicht: (2025)

Towards Micro-Action Recognition with Limited Annotations: An Asynchronous Pseudo Labeling and Training Approach
von: Zhang, Yan, et al.
Veröffentlicht: (2025)

CanonSLR: Canonical-View Guided Multi-View Continuous Sign Language Recognition
von: Wang, Xu, et al.
Veröffentlicht: (2026)

Motion is the Choreographer: Learning Latent Pose Dynamics for Seamless Sign Language Generation
von: He, Jiayi, et al.
Veröffentlicht: (2025)

Text-Driven Diffusion Model for Sign Language Production
von: He, Jiayi, et al.
Veröffentlicht: (2025)

Open-World 3D Scene Graph Generation for Retrieval-Augmented Reasoning
von: Yu, Fei, et al.
Veröffentlicht: (2025)

Shaping a Stabilized Video by Mitigating Unintended Changes for Concept-Augmented Video Editing
von: Guo, Mingce, et al.
Veröffentlicht: (2024)

ASAP: Advancing Semantic Alignment Promotes Multi-Modal Manipulation Detecting and Grounding
von: Zhang, Zhenxing, et al.
Veröffentlicht: (2024)

SSAM: Self-Supervised Association Modeling for Test-Time Adaption
von: Wang, Yaxiong, et al.
Veröffentlicht: (2025)

FedHPL: Efficient Heterogeneous Federated Learning with Prompt Tuning and Logit Distillation
von: Ma, Yuting, et al.
Veröffentlicht: (2024)

Cultivating Forensic Reasoning for Generalizable Multimodal Manipulation Detection
von: Zhang, Yuchen, et al.
Veröffentlicht: (2026)

Modality Alignment Meets Federated Broadcasting
von: Ma, Yuting, et al.
Veröffentlicht: (2024)

Efficient Vision Language Model Fine-tuning for Text-based Person Anomaly Search
von: He, Jiayi, et al.
Veröffentlicht: (2025)

Discrete to Continuous: Generating Smooth Transition Poses from Sign Language Observation
von: Tang, Shengeng, et al.
Veröffentlicht: (2024)

Dataset Distillers Are Good Label Denoisers In the Wild
von: Cheng, Lechao, et al.
Veröffentlicht: (2024)

SignAligner: Harmonizing Complementary Pose Modalities for Coherent Sign Language Generation
von: Wang, Xu, et al.
Veröffentlicht: (2025)

StgcDiff: Spatial-Temporal Graph Condition Diffusion for Sign Language Transition Generation
von: He, Jiashu, et al.
Veröffentlicht: (2025)

Agent0-VL: Exploring Self-Evolving Agent for Tool-Integrated Vision-Language Reasoning
von: Liu, Jiaqi, et al.
Veröffentlicht: (2025)

OmniGuard: Hybrid Manipulation Localization via Augmented Versatile Deep Image Watermarking
von: Zhang, Xuanyu, et al.
Veröffentlicht: (2024)

OmniGuard: Unified Omni-Modal Guardrails with Deliberate Reasoning
von: Zhu, Boyu, et al.
Veröffentlicht: (2025)

Navigating Semantic Drift in Task-Agnostic Class-Incremental Learning
von: Wu, Fangwen, et al.
Veröffentlicht: (2025)

SplitGaussian: Reconstructing Dynamic Scenes via Visual Geometry Decomposition
von: Li, Jiahui, et al.
Veröffentlicht: (2025)

Text2Lip: Progressive Lip-Synced Talking Face Generation from Text via Viseme-Guided Rendering
von: Wang, Xu, et al.
Veröffentlicht: (2025)

CaLa: Complementary Association Learning for Augmenting Composed Image Retrieval
von: Jiang, Xintong, et al.
Veröffentlicht: (2024)

GuardReasoner-VL: Safeguarding VLMs via Reinforced Reasoning
von: Liu, Yue, et al.
Veröffentlicht: (2025)

Prototypical Hash Encoding for On-the-Fly Fine-Grained Category Discovery
von: Zheng, Haiyang, et al.
Veröffentlicht: (2024)

Generalized Fine-Grained Category Discovery with Multi-Granularity Conceptual Experts
von: Zheng, Haiyang, et al.
Veröffentlicht: (2025)

Multi-Scale Global-Instance Prompt Tuning for Continual Test-time Adaptation in Medical Image Segmentation
von: Li, Lingrui, et al.
Veröffentlicht: (2026)

Textual Knowledge Matters: Cross-Modality Co-Teaching for Generalized Visual Class Discovery
von: Zheng, Haiyang, et al.
Veröffentlicht: (2024)

OmniParser for Pure Vision Based GUI Agent
von: Lu, Yadong, et al.
Veröffentlicht: (2024)

The Coherence Trap: When MLLM-Crafted Narratives Exploit Manipulated Visual Contexts
von: Zhang, Yuchen, et al.
Veröffentlicht: (2025)

VL-Reader: Vision and Language Reconstructor is an Effective Scene Text Recognizer
von: Zhong, Humen, et al.
Veröffentlicht: (2024)

Spoofing-aware Prompt Learning for Unified Physical-Digital Facial Attack Detection
von: Guo, Jiabao, et al.
Veröffentlicht: (2025)