Buchumschlag

Parallel Sequence Modeling via Generalized Spatial Propagation Network

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Hongjun, Byeon, Wonmin, Xu, Jiarui, Gu, Jinwei, Cheung, Ka Chun, Wang, Xiaolong, Han, Kai, Kautz, Jan, Liu, Sifei
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

GSPN-2: Efficient Parallel Sequence Modeling
von: Wang, Hongjun, et al.
Veröffentlicht: (2025)

Scaling Parallel Sequence Models to Foundation-Scale Vision Encoders
von: Jiang, Yitong, et al.
Veröffentlicht: (2026)

RegionGPT: Towards Region Understanding Vision Language Model
von: Guo, Qiushan, et al.
Veröffentlicht: (2024)

SpatialRGPT: Grounded Spatial Reasoning in Vision Language Models
von: Cheng, An-Chieh, et al.
Veröffentlicht: (2024)

COLMAP-Free 3D Gaussian Splatting
von: Fu, Yang, et al.
Veröffentlicht: (2023)

One-Minute Video Generation with Test-Time Training
von: Dalal, Karan, et al.
Veröffentlicht: (2025)

SPTNet: An Efficient Alternative Framework for Generalized Category Discovery with Spatial Prompt Tuning
von: Wang, Hongjun, et al.
Veröffentlicht: (2024)

CamCo: Camera-Controllable 3D-Consistent Image-to-Video Generation
von: Xu, Dejia, et al.
Veröffentlicht: (2024)

Feature-based Graph Attention Networks Improve Online Continual Learning
von: Sim, Adjovi, et al.
Veröffentlicht: (2025)

MEVG: Multi-event Video Generation with Text-to-Video Models
von: Oh, Gyeongrok, et al.
Veröffentlicht: (2023)

Stateful Token Reduction for Long-Video Hybrid VLMs
von: Jiang, Jindong, et al.
Veröffentlicht: (2026)

RGBD Objects in the Wild: Scaling Real-World 3D Object Learning from RGB-D Videos
von: Xia, Hongchi, et al.
Veröffentlicht: (2024)

Grounded 3D-Aware Spatial Vision-Language Modeling
von: Cheng, An-Chieh, et al.
Veröffentlicht: (2026)

HiLo: A Learning Framework for Generalized Category Discovery Robust to Domain Shifts
von: Wang, Hongjun, et al.
Veröffentlicht: (2024)

3D Aware Region Prompted Vision Language Model
von: Cheng, An-Chieh, et al.
Veröffentlicht: (2025)

Generalized Category Discovery under Domain Shifts: From Vision to Vision-Language Models
von: Wang, Hongjun, et al.
Veröffentlicht: (2026)

M3: 3D-Spatial MultiModal Memory
von: Zou, Xueyan, et al.
Veröffentlicht: (2025)

HOIDiffusion: Generating Realistic 3D Hand-Object Interaction Data
von: Zhang, Mengqi, et al.
Veröffentlicht: (2024)

NaVILA: Legged Robot Vision-Language-Action Model for Navigation
von: Cheng, An-Chieh, et al.
Veröffentlicht: (2024)

Fin3R: Fine-tuning Feed-forward 3D Reconstruction Models via Monocular Knowledge Distillation
von: Ren, Weining, et al.
Veröffentlicht: (2025)

3D-Layout-R1: Structured Reasoning for Language-Instructed Spatial Editing
von: Zhen, Haoyu, et al.
Veröffentlicht: (2026)

Dissecting Out-of-Distribution Detection and Open-Set Recognition: A Critical Analysis of Methods and Benchmarks
von: Wang, Hongjun, et al.
Veröffentlicht: (2024)

LoRA-TTT: Low-Rank Test-Time Training for Vision-Language Models
von: Kojima, Yuto, et al.
Veröffentlicht: (2025)

ImageSentinel: Protecting Visual Datasets from Unauthorized Retrieval-Augmented Image Generation
von: Luo, Ziyuan, et al.
Veröffentlicht: (2025)

Protecting NeRFs' Copyright via Plug-And-Play Watermarking Base Model
von: Song, Qi, et al.
Veröffentlicht: (2024)

Masked Spatial Propagation Network for Sparsity-Adaptive Depth Refinement
von: Jun, Jinyoung, et al.
Veröffentlicht: (2024)

STORM: Token-Efficient Long Video Understanding for Multimodal LLMs
von: Jiang, Jindong, et al.
Veröffentlicht: (2025)

Towards Automating the Retrospective Generation of BIM Models: A Unified Framework for 3D Semantic Reconstruction of the Built Environment
von: Cheung, Ka Lung, et al.
Veröffentlicht: (2024)

GeometrySticker: Enabling Ownership Claim of Recolorized Neural Radiance Fields
von: Huang, Xiufeng, et al.
Veröffentlicht: (2024)

HEXST: Hexagonal Shifted-Window Transformer for Spatial Transcriptomics Gene Expression Prediction
von: Byeon, Keunho, et al.
Veröffentlicht: (2026)

GenAR: Next-Scale Autoregressive Generation for Spatial Gene Expression Prediction
von: Ouyang, Jiarui, et al.
Veröffentlicht: (2025)

Scaling Vision Pre-Training to 4K Resolution
von: Shi, Baifeng, et al.
Veröffentlicht: (2025)

GaussianMarker: Uncertainty-Aware Copyright Protection of 3D Gaussian Splatting
von: Huang, Xiufeng, et al.
Veröffentlicht: (2024)

Panoptic Captioning: An Equivalence Bridge for Image and Text
von: Lin, Kun-Yu, et al.
Veröffentlicht: (2025)

HandsOnVLM: Vision-Language Models for Hand-Object Interaction Prediction
von: Bao, Chen, et al.
Veröffentlicht: (2024)

Align 3D Representation and Text Embedding for 3D Content Personalization
von: Song, Qi, et al.
Veröffentlicht: (2025)

Stereo-GS: Multi-View Stereo Vision Model for Generalizable 3D Gaussian Splatting Reconstruction
von: Huang, Xiufeng, et al.
Veröffentlicht: (2025)

Geometry Cloak: Preventing TGS-based 3D Reconstruction from Copyrighted Images
von: Song, Qi, et al.
Veröffentlicht: (2024)

SpatialGeo:Boosting Spatial Reasoning in Multimodal LLMs via Geometry-Semantics Fusion
von: Guo, Jiajie, et al.
Veröffentlicht: (2025)

ARCH2S: Dataset, Benchmark and Challenges for Learning Exterior Architectural Structures from Point Clouds
von: Cheung, Ka Lung, et al.
Veröffentlicht: (2024)