Buchumschlag

UniVision: A Unified Framework for Vision-Centric 3D Perception

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hong, Yu, Liu, Qian, Cheng, Huayuan, Ma, Danjiao, Dai, Hang, Wang, Yu, Cao, Guangzhi, Ding, Yong
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Ming-UniVision: Joint Image Understanding and Generation with a Unified Continuous Tokenizer
von: Huang, Ziyuan, et al.
Veröffentlicht: (2025)

UniISP: A Unified ISP Framework for Both Human and Machine Vision
von: Li, Hanxi, et al.
Veröffentlicht: (2026)

UniBEVFusion: Unified Radar-Vision BEVFusion for 3D Object Detection
von: Zhao, Haocheng, et al.
Veröffentlicht: (2024)

L4P: Towards Unified Low-Level 4D Vision Perception
von: Badki, Abhishek, et al.
Veröffentlicht: (2025)

UniViTAR: Unified Vision Transformer with Native Resolution
von: Qiao, Limeng, et al.
Veröffentlicht: (2025)

Driving in the Occupancy World: Vision-Centric 4D Occupancy Forecasting and Planning via World Models for Autonomous Driving
von: Yang, Yu, et al.
Veröffentlicht: (2024)

Large Trajectory Models are Scalable Motion Predictors and Planners
von: Sun, Qiao, et al.
Veröffentlicht: (2023)

UniVRSE: Unified Vision-conditioned Response Semantic Entropy for Hallucination Detection in Medical Vision-Language Models
von: Liao, Zehui, et al.
Veröffentlicht: (2025)

UniDream: Unifying Diffusion Priors for Relightable Text-to-3D Generation
von: Liu, Zexiang, et al.
Veröffentlicht: (2023)

UniRS: Unifying Multi-temporal Remote Sensing Tasks through Vision Language Models
von: Li, Yujie, et al.
Veröffentlicht: (2024)

UniMo: Unifying 2D Video and 3D Human Motion with an Autoregressive Framework
von: Pang, Youxin, et al.
Veröffentlicht: (2025)

UniMotion: A Unified Framework for Motion-Text-Vision Understanding and Generation
von: Wang, Ziyi, et al.
Veröffentlicht: (2026)

Uni-LaViRA: Language-Vision-Robot Actions Translation for Unified Embodied Navigation
von: Ding, Hongyu, et al.
Veröffentlicht: (2026)

Vision-Centric 4D Occupancy Forecasting and Planning via Implicit Residual World Models
von: Mei, Jianbiao, et al.
Veröffentlicht: (2025)

UniCompress: Token Compression for Unified Vision-Language Understanding and Generation
von: Wang, Ziyao, et al.
Veröffentlicht: (2026)

SPARK: Multi-Vision Sensor Perception and Reasoning Benchmark for Large-scale Vision-Language Models
von: Yu, Youngjoon, et al.
Veröffentlicht: (2024)

UniVL: Unified Vision-Language Embedding for Spatially Grounded Contextual Image Generation
von: Wang, Jiayun, et al.
Veröffentlicht: (2026)

UniVLR: Unifying Text and Vision in Visual Latent Reasoning for Multimodal LLMs
von: Jiang, Houcheng, et al.
Veröffentlicht: (2026)

UniCorrn: Unified Correspondence Transformer Across 2D and 3D
von: Goswami, Prajnan, et al.
Veröffentlicht: (2026)

EPIC-Bench: A Perception-Centric Benchmark for Fine-Grained Embodied Visual Grounding in Vision-Language Models
von: Shan, Haozhe, et al.
Veröffentlicht: (2026)

EAGLE: Episodic Appearance- and Geometry-aware Memory for Unified 2D-3D Visual Query Localization in Egocentric Vision
von: Cao, Yifei, et al.
Veröffentlicht: (2025)

LMMs Meet Object-Centric Vision: Understanding, Segmentation, Editing and Generation
von: Yuan, Yuqian, et al.
Veröffentlicht: (2026)

Uni$^2$Det: Unified and Universal Framework for Prompt-Guided Multi-dataset 3D Detection
von: Wang, Yubin, et al.
Veröffentlicht: (2024)

Scenethesis: A Language and Vision Agentic Framework for 3D Scene Generation
von: Ling, Lu, et al.
Veröffentlicht: (2025)

UniVid: Unifying Vision Tasks with Pre-trained Video Generation Models
von: Chen, Lan, et al.
Veröffentlicht: (2025)

VisionReasoner: Unified Reasoning-Integrated Visual Perception via Reinforcement Learning
von: Liu, Yuqi, et al.
Veröffentlicht: (2025)

UniDA3D: A Unified Domain-Adaptive Framework for Multi-View 3D Object Detection
von: Wu, Hongjing, et al.
Veröffentlicht: (2026)

Lumen: Unleashing Versatile Vision-Centric Capabilities of Large Multimodal Models
von: Jiao, Yang, et al.
Veröffentlicht: (2024)

Argus: Vision-Centric Reasoning with Grounded Chain-of-Thought
von: Man, Yunze, et al.
Veröffentlicht: (2025)

UniHM: Unified Dexterous Hand Manipulation with Vision Language Model
von: Zhang, Zhenhao, et al.
Veröffentlicht: (2026)

UniGS: Unified Language-Image-3D Pretraining with Gaussian Splatting
von: Li, Haoyuan, et al.
Veröffentlicht: (2025)

Uni3C: Unifying Precisely 3D-Enhanced Camera and Human Motion Controls for Video Generation
von: Cao, Chenjie, et al.
Veröffentlicht: (2025)

UniRecGen: Unifying Multi-View 3D Reconstruction and Generation
von: Huang, Zhisheng, et al.
Veröffentlicht: (2026)

Uni-MuMER: Unified Multi-Task Fine-Tuning of Vision-Language Model for Handwritten Mathematical Expression Recognition
von: Li, Yu, et al.
Veröffentlicht: (2025)

AnyRefill: A Unified, Data-Efficient Framework for Left-Prompt-Guided Vision Tasks
von: Xie, Ming, et al.
Veröffentlicht: (2025)

UniPercept: Towards Unified Perceptual-Level Image Understanding across Aesthetics, Quality, Structure, and Texture
von: Cao, Shuo, et al.
Veröffentlicht: (2025)

UniUGG: Unified 3D Understanding and Generation via Geometric-Semantic Encoding
von: Xu, Yueming, et al.
Veröffentlicht: (2025)

Grounding Actions in Camera Space: Observation-Centric Vision-Language-Action Policy
von: Zhang, Tianyi, et al.
Veröffentlicht: (2025)

UniTabNet: Bridging Vision and Language Models for Enhanced Table Structure Recognition
von: Zhang, Zhenrong, et al.
Veröffentlicht: (2024)

UniQA: Unified Vision-Language Pre-training for Image Quality and Aesthetic Assessment
von: Zhou, Hantao, et al.
Veröffentlicht: (2024)