Buchumschlag

Spatial457: A Diagnostic Benchmark for 6D Spatial Reasoning of Large Multimodal Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Xingrui, Ma, Wufei, Zhang, Tiezheng, de Melo, Celso M, Chen, Jieneng, Yuille, Alan
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

SpatialLLM: A Compound 3D-Informed Design towards Spatially-Intelligent Large Multimodal Models
von: Ma, Wufei, et al.
Veröffentlicht: (2025)

3DSRBench: A Comprehensive 3D Spatial Reasoning Benchmark
von: Ma, Wufei, et al.
Veröffentlicht: (2024)

SpatialReasoner: Towards Explicit and Generalizable 3D Spatial Reasoning
von: Ma, Wufei, et al.
Veröffentlicht: (2025)

Compositional 4D Dynamic Scenes Understanding with Physics Priors for Video Question Answering
von: Wang, Xingrui, et al.
Veröffentlicht: (2024)

Pursuing Minimal Sufficiency in Spatial Reasoning
von: Guo, Yejie, et al.
Veröffentlicht: (2025)

CausalSpatial: A Benchmark for Object-Centric Causal Spatial Reasoning
von: Ma, Wenxin, et al.
Veröffentlicht: (2026)

Thinking with Spatial Code for Physical-World Video Reasoning
von: Chen, Jieneng, et al.
Veröffentlicht: (2026)

GENFIG1: Visual Summaries of Scholarly Work as a Challenge for Vision-Language Models
von: Guan, Yaohan, et al.
Veröffentlicht: (2026)

Leveraging AI Predicted and Expert Revised Annotations in Interactive Segmentation: Continual Tuning or Full Training?
von: Zhang, Tiezheng, et al.
Veröffentlicht: (2024)

EarthSpatialBench: Benchmarking Spatial Reasoning Capabilities of Multimodal LLMs on Earth Imagery
von: Xu, Zelin, et al.
Veröffentlicht: (2026)

An Empirical Analysis on Spatial Reasoning Capabilities of Large Multimodal Models
von: Shiri, Fatemeh, et al.
Veröffentlicht: (2024)

LAST: Leveraging Tools as Hints to Enhance Spatial Reasoning for Multimodal Large Language Models
von: Tian, Shi-Yu, et al.
Veröffentlicht: (2026)

XModBench: Benchmarking Cross-Modal Capabilities and Consistency in Omni-Language Models
von: Wang, Xingrui, et al.
Veröffentlicht: (2025)

DINeMo: Learning Neural Mesh Models with no 3D Annotations
von: Guo, Weijie, et al.
Veröffentlicht: (2025)

MultihopSpatial: Multi-hop Compositional Spatial Reasoning Benchmark for Vision-Language Model
von: Lee, Youngwan, et al.
Veröffentlicht: (2026)

Perceptual Taxonomy: Evaluating and Guiding Hierarchical Scene Reasoning in Vision-Language Models
von: Lee, Jonathan, et al.
Veröffentlicht: (2025)

MARBLE: A Hard Benchmark for Multimodal Spatial Reasoning and Planning
von: Jiang, Yulun, et al.
Veröffentlicht: (2025)

NuScenes-SpatialQA: A Spatial Understanding and Reasoning Benchmark for Vision-Language Models in Autonomous Driving
von: Tian, Kexin, et al.
Veröffentlicht: (2025)

4D-Animal: Freely Reconstructing Animatable 3D Animals from Videos
von: Zhong, Shanshan, et al.
Veröffentlicht: (2025)

SpatialPrompting: Keyframe-driven Zero-Shot Spatial Reasoning with Off-the-Shelf Multimodal Large Language Models
von: Taguchi, Shun, et al.
Veröffentlicht: (2025)

OmniSpatial: Towards Comprehensive Spatial Reasoning Benchmark for Vision Language Models
von: Jia, Mengdi, et al.
Veröffentlicht: (2025)

MetaSpatial: Reinforcing 3D Spatial Reasoning in VLMs for the Metaverse
von: Pan, Zhenyu, et al.
Veröffentlicht: (2025)

TangramPuzzle: Evaluating Multimodal Large Language Models with Compositional Spatial Reasoning
von: Liu, Daixian, et al.
Veröffentlicht: (2026)

ViSRA: A Video-based Spatial Reasoning Agent for Multi-modal Large Language Models
von: Mou, Tingshu, et al.
Veröffentlicht: (2026)

Vision-Language-Vision Auto-Encoder: Scalable Knowledge Distillation from Diffusion Models
von: Zhang, Tiezheng, et al.
Veröffentlicht: (2025)

Benchmarking Pathology Foundation Models for Spatial Domain Understanding
von: Zhao, Bokai, et al.
Veröffentlicht: (2026)

CityCube: Benchmarking Cross-view Spatial Reasoning on Vision-Language Models in Urban Environments
von: Xu, Haotian, et al.
Veröffentlicht: (2026)

SciVideoBench: Benchmarking Scientific Video Reasoning in Large Multimodal Models
von: Deng, Andong, et al.
Veröffentlicht: (2025)

SpatialThinker: Reinforcing 3D Reasoning in Multimodal LLMs via Spatial Rewards
von: Batra, Hunar, et al.
Veröffentlicht: (2025)

Spatial 3D-LLM: Exploring Spatial Awareness in 3D Vision-Language Models
von: Wang, Xiaoyan, et al.
Veröffentlicht: (2025)

Distilling 3D Spatial Reasoning into a Lightweight Vision-Language Model with CoT
von: Asfour, Alaa, et al.
Veröffentlicht: (2026)

See&Trek: Training-Free Spatial Prompting for Multimodal Large Language Model
von: Li, Pengteng, et al.
Veröffentlicht: (2025)

Chain-of-Thought Degrades Visual Spatial Reasoning Capabilities of Multimodal LLMs
von: Kancheti, Sai Srinivas, et al.
Veröffentlicht: (2026)

MIRAGE: A Multi-modal Benchmark for Spatial Perception, Reasoning, and Intelligence
von: Liu, Chonghan, et al.
Veröffentlicht: (2025)

Spatial Atlas: Compute-Grounded Reasoning for Spatial-Aware Research Agent Benchmarks
von: Sharma, Arun
Veröffentlicht: (2026)

SpatialForge: Bootstrapping 3D-Aware Spatial Reasoning from Open-World 2D Images
von: Liu, Zishan, et al.
Veröffentlicht: (2026)

Graph-of-Mark: Promote Spatial Reasoning in Multimodal Language Models with Graph-Based Visual Prompting
von: Frisoni, Giacomo, et al.
Veröffentlicht: (2026)

TorchSpatial: A Location Encoding Framework and Benchmark for Spatial Representation Learning
von: Wu, Nemin, et al.
Veröffentlicht: (2024)

Beyond 3D VQAs: Injecting 3D Spatial Priors into Vision-Language Models for Enhanced Geometric Reasoning
von: Yeh, Chun-Hsiao, et al.
Veröffentlicht: (2026)

Embodied Spatial Intelligence: from Implicit Scene Modeling to Spatial Reasoning
von: Fang, Jiading
Veröffentlicht: (2025)