Buchumschlag

Mechanisms of Object Localization in Vision-Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Schaumlöffel, Timothy, Vilas, Martina G., Roig, Gemma
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

Contextual inference from single objects in Vision-Language models
von: Vilas, Martina G., et al.
Veröffentlicht: (2026)

Temporal Slowness in Central Vision Drives Semantic Object Learning
von: Schaumlöffel, Timothy, et al.
Veröffentlicht: (2026)

Human Gaze Boosts Object-Centered Representation Learning
von: Schaumlöffel, Timothy, et al.
Veröffentlicht: (2025)

Learning Object Semantic Similarity with Self-Supervision
von: Aubret, Arthur, et al.
Veröffentlicht: (2024)

Caregiver Talk Shapes Toddler Vision: A Computational Study of Dyadic Play
von: Schaumlöffel, Timothy, et al.
Veröffentlicht: (2023)

Evaluation of Randomization through Style Transfer for Enhanced Domain Generalization
von: Eisenhardt, Dustin, et al.
Veröffentlicht: (2026)

FovEx: Human-Inspired Explanations for Vision Transformers and Convolutional Neural Networks
von: Panda, Mahadev Prasad, et al.
Veröffentlicht: (2024)

MAPS: A Synthetic Dataset for Probing Vision Models in a Controlled 3D Scene Space
von: Galella, Santiago, et al.
Veröffentlicht: (2026)

Net2Brain: A Toolbox to compare artificial vision models with human brain responses
von: Bersch, Domenic, et al.
Veröffentlicht: (2022)

Foundation Models for Remote Sensing: An Analysis of MLLMs for Object Localization
von: Hannan, Darryl, et al.
Veröffentlicht: (2025)

Locality Alignment Improves Vision-Language Models
von: Covert, Ian, et al.
Veröffentlicht: (2024)

Looking Locally: Object-Centric Vision Transformers as Foundation Models for Efficient Segmentation
von: Traub, Manuel, et al.
Veröffentlicht: (2025)

Dual-Pathway Circuits of Object Hallucination in Vision-Language Models
von: Liu, Jiaxin, et al.
Veröffentlicht: (2026)

Object Hallucination-Free Reinforcement Unlearning for Vision-Language Models
von: Jia, Kaidi, et al.
Veröffentlicht: (2026)

Revisiting Few-Shot Object Detection with Vision-Language Models
von: Madan, Anish, et al.
Veröffentlicht: (2023)

Temporal-Spatial Object Relations Modeling for Vision-and-Language Navigation
von: Huang, Bowen, et al.
Veröffentlicht: (2024)

Linear Mechanisms for Spatiotemporal Reasoning in Vision Language Models
von: Kang, Raphi, et al.
Veröffentlicht: (2026)

Training-Free Semantic Multi-Object Tracking with Vision-Language Models
von: Bonat, Laurence, et al.
Veröffentlicht: (2026)

Open-Vocabulary Camouflaged Object Segmentation with Cascaded Vision Language Models
von: Zhao, Kai, et al.
Veröffentlicht: (2025)

Anomaly Object Segmentation with Vision-Language Models for Steel Scrap Recycling
von: Tanaka, Daichi, et al.
Veröffentlicht: (2025)

A Review of 3D Object Detection with Vision-Language Models
von: Sapkota, Ranjan, et al.
Veröffentlicht: (2025)

CLIP-Clique: Graph-based Correspondence Matching Augmented by Vision Language Models for Object-based Global Localization
von: Matsuzaki, Shigemichi, et al.
Veröffentlicht: (2024)

MarvelOVD: Marrying Object Recognition and Vision-Language Models for Robust Open-Vocabulary Object Detection
von: Wang, Kuo, et al.
Veröffentlicht: (2024)

Masked Diffusion Vision-Language Models for Temporal Action Localization
von: Wang, Fengshun, et al.
Veröffentlicht: (2026)

Learning Invariant Causal Mechanism from Vision-Language Models
von: Song, Zeen, et al.
Veröffentlicht: (2024)

Multi-Modal Interpretability for Enhanced Localization in Vision-Language Models
von: Imran, Muhammad, et al.
Veröffentlicht: (2025)

Mitigating Object Hallucinations in Large Vision-Language Models with Assembly of Global and Local Attention
von: An, Wenbin, et al.
Veröffentlicht: (2024)

Negative Object Presence Evaluation (NOPE) to Measure Object Hallucination in Vision-Language Models
von: Lovenia, Holy, et al.
Veröffentlicht: (2023)

Object-Centric Vision Token Pruning for Vision Language Models
von: Li, Guangyuan, et al.
Veröffentlicht: (2025)

When LLaVA Meets Objects: Token Composition for Vision-Language-Models
von: Jahagirdar, Soumya, et al.
Veröffentlicht: (2026)

Object Referring-Guided Scanpath Prediction with Perception-Enhanced Vision-Language Models
von: Quan, Rong, et al.
Veröffentlicht: (2026)

UOUO: Uncontextualized Uncommon Objects for Measuring Knowledge Horizons of Vision Language Models
von: Pi, Xinyu, et al.
Veröffentlicht: (2024)

BOP-ASK: Object-Interaction Reasoning for Vision-Language Models
von: Bhat, Vineet, et al.
Veröffentlicht: (2025)

The Spatial Blindspot of Vision-Language Models
von: Alam, Nahid, et al.
Veröffentlicht: (2026)

Interpretable Zero-Shot Learning with Locally-Aligned Vision-Language Model
von: Chen, Shiming, et al.
Veröffentlicht: (2025)

HalLoc: Token-level Localization of Hallucinations for Vision Language Models
von: Park, Eunkyu, et al.
Veröffentlicht: (2025)

Articulate-Anything: Automatic Modeling of Articulated Objects via a Vision-Language Foundation Model
von: Le, Long, et al.
Veröffentlicht: (2024)

VORD: Visual Ordinal Calibration for Mitigating Object Hallucinations in Large Vision-Language Models
von: Neo, Dexter, et al.
Veröffentlicht: (2024)

TaskCLIP: Extend Large Vision-Language Model for Task Oriented Object Detection
von: Chen, Hanning, et al.
Veröffentlicht: (2024)

WMNav: Integrating Vision-Language Models into World Models for Object Goal Navigation
von: Nie, Dujun, et al.
Veröffentlicht: (2025)