Puzzled by Puzzles: When Vision-Language Models Can't Take a Hint
机构 * POSTECH ； University of California, Berkeley（加州大学伯克利分校）
专题命中 视觉问答 ：vision-language model(title,abstract)；分类 cs.CV、cs.AI、cs.LG
Comments EMNLP 2025 Main Conference
AI 大模型
视觉大模型 / VLM
视觉语言模型、视觉推理、视觉问答、图文理解和视觉 grounding。
1. 视觉问答 2 篇
Cinéaste: A Fine-grained Contextual Movie Question Answering Benchmark
机构 * Netflix, Inc.（Netflix公司） ； Johns Hopkins University（约翰霍普金斯大学）
专题命中 视觉问答 ：vision-language model(abstract)；分类 cs.CV
Comments 11 pages, 5 figures, 5 tables
