Buchumschlag

AutoGeo: Automating Geometric Image Dataset Creation for Enhanced Geometry Understanding

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Huang, Zihan, Wu, Tao, Lin, Wang, Zhang, Shengyu, Chen, Jingyuan, Wu, Fei
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Pisces: An Auto-regressive Foundation Model for Image Understanding and Generation
von: Xu, Zhiyang, et al.
Veröffentlicht: (2025)

GeoVLMath: Enhancing Geometry Reasoning in Vision-Language Models via Cross-Modal Reward for Auxiliary Line Creation
von: Guo, Shasha, et al.
Veröffentlicht: (2025)

WorldEdit: Towards Open-World Image Editing with a Knowledge-Informed Benchmark
von: Lin, Wang, et al.
Veröffentlicht: (2026)

Geometry OR Tracker: Universal Geometric Operating Room Tracking
von: Shao, Yihua, et al.
Veröffentlicht: (2026)

DatasetAgent: A Novel Multi-Agent System for Auto-Constructing Datasets from Real-World Images
von: Sun, Haoran, et al.
Veröffentlicht: (2025)

GeoBiked: A Dataset with Geometric Features and Automated Labeling Techniques to Enable Deep Generative Models in Engineering Design
von: Mueller, Phillip, et al.
Veröffentlicht: (2024)

OmniScience: A Large-scale Multi-modal Dataset for Scientific Image Understanding
von: Tao, Haoyi, et al.
Veröffentlicht: (2026)

Enhancing Multimodal Understanding with CLIP-Based Image-to-Text Transformation
von: Che, Chang, et al.
Veröffentlicht: (2024)

Auto-nnU-Net: Towards Automated Medical Image Segmentation
von: Becktepe, Jannis, et al.
Veröffentlicht: (2025)

GeoDM: Geometry-aware Distribution Matching for Dataset Distillation
von: Li, Xuhui, et al.
Veröffentlicht: (2025)

Revisiting Visual Understanding in Multimodal Reasoning through a Lens of Image Perturbation
von: Li, Yuting, et al.
Veröffentlicht: (2025)

Large-Scale 3D Medical Image Pre-training with Geometric Context Priors
von: Wu, Linshan, et al.
Veröffentlicht: (2024)

On Synthetic Texture Datasets: Challenges, Creation, and Curation
von: Hoak, Blaine, et al.
Veröffentlicht: (2024)

Nested AutoRegressive Models
von: Wu, Hongyu, et al.
Veröffentlicht: (2025)

AutoMat: Enabling Automated Crystal Structure Reconstruction from Microscopy via Agentic Tool Use
von: Yang, Yaotian, et al.
Veröffentlicht: (2025)

Multimodal LLM-Guided Semantic Correction in Text-to-Image Diffusion
von: Lv, Zheqi, et al.
Veröffentlicht: (2025)

ID-Aligner: Enhancing Identity-Preserving Text-to-Image Generation with Reward Feedback Learning
von: Chen, Weifeng, et al.
Veröffentlicht: (2024)

Bosch Street Dataset: A Multi-Modal Dataset with Imaging Radar for Automated Driving
von: Armanious, Karim, et al.
Veröffentlicht: (2024)

A Dataset Generation Scheme Based on Video2EEG-SPGN-Diffusion for SEED-VD
von: Guo, Yunfei, et al.
Veröffentlicht: (2025)

Geometry-Aware State Space Model: A New Paradigm for Whole-Slide Image Representation
von: Chai, Enhui, et al.
Veröffentlicht: (2026)

Why Vision Language Models Struggle with Visual Arithmetic? Towards Enhanced Chart and Geometry Understanding
von: Huang, Kung-Hsiang, et al.
Veröffentlicht: (2025)

GeoMotionGPT: Geometry-Aligned Motion Understanding with Large Language Models
von: Ye, Zhankai, et al.
Veröffentlicht: (2026)

Understanding Semantic Perturbations on In-Processing Generative Image Watermarks
von: Nakra, Anirudh, et al.
Veröffentlicht: (2026)

AutoLTS: Automating Cycling Stress Assessment via Contrastive Learning and Spatial Post-processing
von: Lin, Bo, et al.
Veröffentlicht: (2023)

Large Language Models Can Understanding Depth from Monocular Images
von: Xia, Zhongyi, et al.
Veröffentlicht: (2024)

Synthesizing Multimodal Geometry Datasets from Scratch and Enabling Visual Alignment via Plotting Code
von: Lin, Haobo, et al.
Veröffentlicht: (2026)

High-Quality 3D Creation from A Single Image Using Subject-Specific Knowledge Prior
von: Huang, Nan, et al.
Veröffentlicht: (2023)

ViSAudio: End-to-End Video-Driven Binaural Spatial Audio Generation
von: Zhang, Mengchen, et al.
Veröffentlicht: (2025)

Human-Guided Image Generation for Expanding Small-Scale Training Image Datasets
von: Chen, Changjian, et al.
Veröffentlicht: (2024)

SLIC: Secure Learned Image Codec through Compressed Domain Watermarking to Defend Image Manipulation
von: Huang, Chen-Hsiu, et al.
Veröffentlicht: (2024)

InverseMeetInsert: Robust Real Image Editing via Geometric Accumulation Inversion in Guided Diffusion Models
von: Zheng, Yan, et al.
Veröffentlicht: (2024)

VCD: A Dataset for Visual Commonsense Discovery in Images
von: Shen, Xiangqing, et al.
Veröffentlicht: (2024)

ArtAug: Enhancing Text-to-Image Generation through Synthesis-Understanding Interaction
von: Duan, Zhongjie, et al.
Veröffentlicht: (2024)

Generating Attribution Reports for Manipulated Facial Images: A Dataset and Baseline
von: Lian, Jingchun, et al.
Veröffentlicht: (2024)

Free Lunch for Unified Multimodal Models: Enhancing Generation via Reflective Rectification with Inherent Understanding
von: Jiang, Yibo, et al.
Veröffentlicht: (2026)

Enhancing Adverse Drug Event Detection with Multimodal Dataset: Corpus Creation and Model Development
von: Sahoo, Pranab, et al.
Veröffentlicht: (2024)

SkeleGuide: Explicit Skeleton Reasoning for Context-Aware Human-in-Place Image Synthesis
von: Wu, Chuqiao, et al.
Veröffentlicht: (2026)

STAR: STacked AutoRegressive Scheme for Unified Multimodal Learning
von: Qin, Jie, et al.
Veröffentlicht: (2025)

Enhancing Angular Resolution via Directionality Encoding and Geometric Constraints in Brain Diffusion Tensor Imaging
von: Chen, Sheng, et al.
Veröffentlicht: (2024)

Rethinking FID Through the Geometry of the Reference Dataset
von: Lee, Yunghee, et al.
Veröffentlicht: (2026)