CoReS: Orchestrating the Dance of Reasoning and Segmentation
Fuente:
arXiv
Salvato in:
| Autori principali: | Bao, Xiaoyi, Sun, Siyang, Ma, Shuailei, Zheng, Kecheng, Guo, Yuxin, Zhao, Guosheng, Zheng, Yun, Wang, Xingang |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2024
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Understanding the Multi-modal Prompts of the Pre-trained Vision-Language Model
di: Ma, Shuailei, et al.
Pubblicazione: (2023)
di: Ma, Shuailei, et al.
Pubblicazione: (2023)
Aligned Better, Listen Better for Audio-Visual Large Language Models
di: Guo, Yuxin, et al.
Pubblicazione: (2025)
di: Guo, Yuxin, et al.
Pubblicazione: (2025)
DriveDreamer-2: LLM-Enhanced World Models for Diverse Driving Video Generation
di: Zhao, Guosheng, et al.
Pubblicazione: (2024)
di: Zhao, Guosheng, et al.
Pubblicazione: (2024)
EgoVid-5M: A Large-Scale Video-Action Dataset for Egocentric Video Generation
di: Wang, Xiaofeng, et al.
Pubblicazione: (2024)
di: Wang, Xiaofeng, et al.
Pubblicazione: (2024)
LoTLIP: Improving Language-Image Pre-training for Long Text Understanding
di: Wu, Wei, et al.
Pubblicazione: (2024)
di: Wu, Wei, et al.
Pubblicazione: (2024)
DynImg: Key Frames with Visual Prompts are Good Representation for Multi-Modal Video Understanding
di: Bao, Xiaoyi, et al.
Pubblicazione: (2025)
di: Bao, Xiaoyi, et al.
Pubblicazione: (2025)
DreamLIP: Language-Image Pre-training with Long Captions
di: Zheng, Kecheng, et al.
Pubblicazione: (2024)
di: Zheng, Kecheng, et al.
Pubblicazione: (2024)
Learning Consistent Taxonomic Classification through Hierarchical Reasoning
di: Li, Zhenghong, et al.
Pubblicazione: (2026)
di: Li, Zhenghong, et al.
Pubblicazione: (2026)
ReconDreamer++: Harmonizing Generative and Reconstructive Models for Driving Scene Representation
di: Zhao, Guosheng, et al.
Pubblicazione: (2025)
di: Zhao, Guosheng, et al.
Pubblicazione: (2025)
Benchmarking Large Vision-Language Models via Directed Scene Graph for Comprehensive Image Captioning
di: Lu, Fan, et al.
Pubblicazione: (2024)
di: Lu, Fan, et al.
Pubblicazione: (2024)
Orchestrating the Symphony of Prompt Distribution Learning for Human-Object Interaction Detection
di: Jia, Mingda, et al.
Pubblicazione: (2024)
di: Jia, Mingda, et al.
Pubblicazione: (2024)
AG-VAS: Anchor-Guided Zero-Shot Visual Anomaly Segmentation with Large Multimodal Models
di: Qu, Zhen, et al.
Pubblicazione: (2026)
di: Qu, Zhen, et al.
Pubblicazione: (2026)
Seg-ReSearch: Segmentation with Interleaved Reasoning and External Search
di: Liang, Tianming, et al.
Pubblicazione: (2026)
di: Liang, Tianming, et al.
Pubblicazione: (2026)
Learning Visual Generative Priors without Text
di: Ma, Shuailei, et al.
Pubblicazione: (2024)
di: Ma, Shuailei, et al.
Pubblicazione: (2024)
Dual Mean-Teacher: An Unbiased Semi-Supervised Framework for Audio-Visual Source Localization
di: Guo, Yuxin, et al.
Pubblicazione: (2024)
di: Guo, Yuxin, et al.
Pubblicazione: (2024)
GigaVideo-1: Advancing Video Generation via Automatic Feedback with 4 GPU-Hours Fine-Tuning
di: Bao, Xiaoyi, et al.
Pubblicazione: (2025)
di: Bao, Xiaoyi, et al.
Pubblicazione: (2025)
CoDance: An Unbind-Rebind Paradigm for Robust Multi-Subject Animation
di: Tan, Shuai, et al.
Pubblicazione: (2026)
di: Tan, Shuai, et al.
Pubblicazione: (2026)
Paying More Attention to Image: A Training-Free Method for Alleviating Hallucination in LVLMs
di: Liu, Shi, et al.
Pubblicazione: (2024)
di: Liu, Shi, et al.
Pubblicazione: (2024)
Cultivating Forensic Reasoning for Generalizable Multimodal Manipulation Detection
di: Zhang, Yuchen, et al.
Pubblicazione: (2026)
di: Zhang, Yuchen, et al.
Pubblicazione: (2026)
EventDance: Unsupervised Source-free Cross-modal Adaptation for Event-based Object Recognition
di: Zheng, Xu, et al.
Pubblicazione: (2024)
di: Zheng, Xu, et al.
Pubblicazione: (2024)
UniLiP: Adapting CLIP for Unified Multimodal Understanding, Generation and Editing
di: Tang, Hao, et al.
Pubblicazione: (2025)
di: Tang, Hao, et al.
Pubblicazione: (2025)
Reliable Multi-Modal Object Re-Identification via Modality-Aware Graph Reasoning
di: Wan, Xixi, et al.
Pubblicazione: (2025)
di: Wan, Xixi, et al.
Pubblicazione: (2025)
EventDance++: Language-guided Unsupervised Source-free Cross-modal Adaptation for Event-based Object Recognition
di: Zheng, Xu, et al.
Pubblicazione: (2024)
di: Zheng, Xu, et al.
Pubblicazione: (2024)
HumanDreamer-X: Photorealistic Single-image Human Avatars Reconstruction via Gaussian Restoration
di: Wang, Boyuan, et al.
Pubblicazione: (2025)
di: Wang, Boyuan, et al.
Pubblicazione: (2025)
PS-ReID: Advancing Person Re-Identification and Precise Segmentation with Multimodal Retrieval
di: Yan, Jincheng, et al.
Pubblicazione: (2025)
di: Yan, Jincheng, et al.
Pubblicazione: (2025)
DreamDance: Animating Character Art via Inpainting Stable Gaussian Worlds
di: Zhang, Jiaxu, et al.
Pubblicazione: (2025)
di: Zhang, Jiaxu, et al.
Pubblicazione: (2025)
ViLLa: Video Reasoning Segmentation with Large Language Model
di: Zheng, Rongkun, et al.
Pubblicazione: (2024)
di: Zheng, Rongkun, et al.
Pubblicazione: (2024)
UFO: A Unified Approach to Fine-grained Visual Perception via Open-ended Language Interface
di: Tang, Hao, et al.
Pubblicazione: (2025)
di: Tang, Hao, et al.
Pubblicazione: (2025)
Re-coding for Uncertainties: Edge-awareness Semantic Concordance for Resilient Event-RGB Segmentation
di: Bao, Nan, et al.
Pubblicazione: (2025)
di: Bao, Nan, et al.
Pubblicazione: (2025)
DriveDreamer4D: World Models Are Effective Data Machines for 4D Driving Scene Representation
di: Zhao, Guosheng, et al.
Pubblicazione: (2024)
di: Zhao, Guosheng, et al.
Pubblicazione: (2024)
HumanDreamer: Generating Controllable Human-Motion Videos via Decoupled Generation
di: Wang, Boyuan, et al.
Pubblicazione: (2025)
di: Wang, Boyuan, et al.
Pubblicazione: (2025)
ReconPhys: Reconstruct Appearance and Physical Attributes from Single Video
di: Wang, Boyuan, et al.
Pubblicazione: (2026)
di: Wang, Boyuan, et al.
Pubblicazione: (2026)
Contextual AD Narration with Interleaved Multimodal Sequence
di: Wang, Hanlin, et al.
Pubblicazione: (2024)
di: Wang, Hanlin, et al.
Pubblicazione: (2024)
Navigating Image Restoration with VAR's Distribution Alignment Prior
di: Wang, Siyang, et al.
Pubblicazione: (2024)
di: Wang, Siyang, et al.
Pubblicazione: (2024)
VITON-DiT: Learning In-the-Wild Video Try-On from Human Dance Videos via Diffusion Transformers
di: Zheng, Jun, et al.
Pubblicazione: (2024)
di: Zheng, Jun, et al.
Pubblicazione: (2024)
SKDF: A Simple Knowledge Distillation Framework for Distilling Open-Vocabulary Knowledge to Open-world Object Detector
di: Ma, Shuailei, et al.
Pubblicazione: (2023)
di: Ma, Shuailei, et al.
Pubblicazione: (2023)
Progressive Prompt-Guided Cross-Modal Reasoning for Referring Image Segmentation
di: Li, Jiachen, et al.
Pubblicazione: (2026)
di: Li, Jiachen, et al.
Pubblicazione: (2026)
Parameter-Efficient Modality-Balanced Symmetric Fusion for Multimodal Remote Sensing Semantic Segmentation
di: Li, Haocheng, et al.
Pubblicazione: (2026)
di: Li, Haocheng, et al.
Pubblicazione: (2026)
UniDriveDreamer: A Single-Stage Multimodal World Model for Autonomous Driving
di: Zhao, Guosheng, et al.
Pubblicazione: (2026)
di: Zhao, Guosheng, et al.
Pubblicazione: (2026)
CoT-Segmenter: Enhancing OOD Detection in Dense Road Scenes via Chain-of-Thought Reasoning
di: Song, Jeonghyo, et al.
Pubblicazione: (2025)
di: Song, Jeonghyo, et al.
Pubblicazione: (2025)
Documenti analoghi
-
Understanding the Multi-modal Prompts of the Pre-trained Vision-Language Model
di: Ma, Shuailei, et al.
Pubblicazione: (2023) -
Aligned Better, Listen Better for Audio-Visual Large Language Models
di: Guo, Yuxin, et al.
Pubblicazione: (2025) -
DriveDreamer-2: LLM-Enhanced World Models for Diverse Driving Video Generation
di: Zhao, Guosheng, et al.
Pubblicazione: (2024) -
EgoVid-5M: A Large-Scale Video-Action Dataset for Egocentric Video Generation
di: Wang, Xiaofeng, et al.
Pubblicazione: (2024) -
LoTLIP: Improving Language-Image Pre-training for Long Text Understanding
di: Wu, Wei, et al.
Pubblicazione: (2024)