Buchumschlag

Re-Thinking Inverse Graphics With Large Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kulits, Peter, Feng, Haiwen, Liu, Weiyang, Abrevaya, Victoria, Black, Michael J.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Reconstructing Animals and the Wild
von: Kulits, Peter, et al.
Veröffentlicht: (2024)

Can Large Language Models Understand Symbolic Graphics Programs?
von: Qiu, Zeju, et al.
Veröffentlicht: (2024)

InterDyn: Controllable Interactive Dynamics with Video Diffusion Models
von: Akkerman, Rick, et al.
Veröffentlicht: (2024)

GenLit: Reformulating Single-Image Relighting as Video Generation
von: Bharadwaj, Shrisha, et al.
Veröffentlicht: (2024)

Explorative Inbetweening of Time and Space
von: Feng, Haiwen, et al.
Veröffentlicht: (2024)

Thinking in Blender: Staged Executable Inverse Graphics with Vision-Language Models
von: He, Guangzhao, et al.
Veröffentlicht: (2026)

Vision-as-Inverse-Graphics Agent via Interleaved Multimodal Reasoning
von: Yin, Shaofeng, et al.
Veröffentlicht: (2026)

BrickNet: Graph-Backed Generative Brick Assembly
von: Kulits, Peter, et al.
Veröffentlicht: (2026)

Symbolic Graphics Programming with Large Language Models
von: Chen, Yamei, et al.
Veröffentlicht: (2025)

EgoThink: Evaluating First-Person Perspective Thinking Capability of Vision-Language Models
von: Cheng, Sijie, et al.
Veröffentlicht: (2023)

From Perception to Reasoning: Deep Thinking Empowers Multimodal Large Language Models
von: Zhu, Wenxin, et al.
Veröffentlicht: (2025)

Verbalized Machine Learning: Revisiting Machine Learning with Language Models
von: Xiao, Tim Z., et al.
Veröffentlicht: (2024)

Graphic Design with Large Multimodal Model
von: Cheng, Yutao, et al.
Veröffentlicht: (2024)

Parameter-Efficient Orthogonal Finetuning via Butterfly Factorization
von: Liu, Weiyang, et al.
Veröffentlicht: (2023)

Think-Reflect-Revise: A Policy-Guided Reflective Framework for Safety Alignment in Large Vision Language Models
von: Weng, Fenghua, et al.
Veröffentlicht: (2025)

Perception, Reason, Think, and Plan: A Survey on Large Multimodal Reasoning Models
von: Li, Yunxin, et al.
Veröffentlicht: (2025)

Toward Human Understanding with Controllable Synthesis
von: Cuevas-Velasquez, Hanz, et al.
Veröffentlicht: (2024)

Fast-Slow Thinking GRPO for Large Vision-Language Model Reasoning
von: Xiao, Wenyi, et al.
Veröffentlicht: (2025)

Visually Descriptive Language Model for Vector Graphics Reasoning
von: Wang, Zhenhailong, et al.
Veröffentlicht: (2024)

Thinking with Programming Vision: Towards a Unified View for Thinking with Images
von: Guo, Zirun, et al.
Veröffentlicht: (2025)

ChatHuman: Chatting about 3D Humans with Tools
von: Lin, Jing, et al.
Veröffentlicht: (2024)

Plug-and-Play Grounding of Reasoning in Multimodal Large Language Models
von: Chen, Jiaxing, et al.
Veröffentlicht: (2024)

Exploring the Role of Explicit Temporal Modeling in Multimodal Large Language Models for Video Understanding
von: Li, Yun, et al.
Veröffentlicht: (2025)

From Seeing to Thinking: Decoupling Perception and Reasoning Improves Post-Training of Vision-Language Models
von: Wu, Juncheng, et al.
Veröffentlicht: (2026)

Look Again, Think Slowly: Enhancing Visual Reflection in Vision-Language Models
von: Jian, Pu, et al.
Veröffentlicht: (2025)

AI Based Font Pair Suggestion Modelling For Graphic Design
von: Singh, Aryan, et al.
Veröffentlicht: (2025)

Video Understanding with Large Language Models: A Survey
von: Tang, Yolo Y., et al.
Veröffentlicht: (2023)

Re-Thinking the Automatic Evaluation of Image-Text Alignment in Text-to-Image Models
von: Zhang, Huixuan, et al.
Veröffentlicht: (2025)

StrokeNUWA: Tokenizing Strokes for Vector Graphic Synthesis
von: Tang, Zecheng, et al.
Veröffentlicht: (2024)

Seeing but Not Thinking: Routing Distraction in Multimodal Mixture-of-Experts
von: Xu, Haolei, et al.
Veröffentlicht: (2026)

Towards Understanding Graphical Perception in Large Multimodal Models
von: Zhang, Kai, et al.
Veröffentlicht: (2025)

ReLoop: "Seeing Twice and Thinking Backwards" via Closed-loop Training to Mitigate Hallucinations in Multimodal understanding
von: Yang, Jianjiang, et al.
Veröffentlicht: (2025)

Multimodal ArXiv: A Dataset for Improving Scientific Comprehension of Large Vision-Language Models
von: Li, Lei, et al.
Veröffentlicht: (2024)

Leveraging Large Language Models for Scalable Vector Graphics-Driven Image Understanding
von: Cai, Mu, et al.
Veröffentlicht: (2023)

MLLMReID: Multimodal Large Language Model-based Person Re-identification
von: Yang, Shan, et al.
Veröffentlicht: (2024)

Causal Graphical Models for Vision-Language Compositional Understanding
von: Parascandolo, Fiorenzo, et al.
Veröffentlicht: (2024)

Predicting 4D Hand Trajectory from Monocular Videos
von: Ye, Yufei, et al.
Veröffentlicht: (2025)

Does Understanding Inform Generation in Unified Multimodal Models? From Analysis to Path Forward
von: Niu, Yuwei, et al.
Veröffentlicht: (2025)

EmotionHallucer: Evaluating Emotion Hallucinations in Multimodal Large Language Models
von: Xing, Bohao, et al.
Veröffentlicht: (2025)

LLMVA-GEBC: Large Language Model with Video Adapter for Generic Event Boundary Captioning
von: Tang, Yolo Yunlong, et al.
Veröffentlicht: (2023)