Buchumschlag

New Dataset and Methods for Fine-Grained Compositional Referring Expression Comprehension via Specialist-MLLM Collaboration

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yang, Xuzheng, Liu, Junzhuo, Wang, Peng, Wang, Guoqing, Yang, Yang, Shen, Heng Tao
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

FineCops-Ref: A new Dataset and Task for Fine-Grained Compositional Referring Expression Comprehension
von: Liu, Junzhuo, et al.
Veröffentlicht: (2024)

GeoRef: Referring Expressions in Geometry via Task Formulation, Synthetic Supervision, and Reinforced MLLM-based Solutions
von: Liu, Bing, et al.
Veröffentlicht: (2025)

Region-aware Distribution Contrast: A Novel Approach to Multi-Task Partially Supervised Learning
von: Li, Meixuan, et al.
Veröffentlicht: (2024)

Fine-Grained Representation for Lane Topology Reasoning
von: Xu, Guoqing, et al.
Veröffentlicht: (2025)

CTForensics: A Comprehensive Dataset and Method for AI-Generated CT Image Detection
von: Li, Yiheng, et al.
Veröffentlicht: (2026)

Implicit Counterfactual Learning for Audio-Visual Segmentation
von: Zha, Mingfeng, et al.
Veröffentlicht: (2025)

WeakMCN: Multi-task Collaborative Network for Weakly Supervised Referring Expression Comprehension and Segmentation
von: Liu, Yang, et al.
Veröffentlicht: (2025)

ColLab: A Collaborative Spatial Progressive Data Engine for Referring Expression Comprehension and Generation
von: Zhang, Shilan, et al.
Veröffentlicht: (2025)

LVAgent: Long Video Understanding by Multi-Round Dynamical Collaboration of MLLM Agents
von: Chen, Boyu, et al.
Veröffentlicht: (2025)

Ref-Adv: Exploring MLLM Visual Reasoning in Referring Expression Tasks
von: Dong, Qihua, et al.
Veröffentlicht: (2026)

Hybrid Feature Collaborative Reconstruction Network for Few-Shot Fine-Grained Image Classification
von: Qiu, Shulei, et al.
Veröffentlicht: (2024)

Benchmarking Large Vision-Language Models on Fine-Grained Image Tasks: A Comprehensive Evaluation
von: Yu, Hong-Tao, et al.
Veröffentlicht: (2025)

Recent Advances in Multi-modal 3D Intelligence: A Comprehensive Survey and Evaluation
von: Lei, Yinjie, et al.
Veröffentlicht: (2023)

JoReS-Diff: Joint Retinex and Semantic Priors in Diffusion Model for Low-light Image Enhancement
von: Wu, Yuhui, et al.
Veröffentlicht: (2023)

EyePCR: A Comprehensive Benchmark for Fine-Grained Perception, Knowledge Comprehension and Clinical Reasoning in Ophthalmic Surgery
von: Wang, Gui, et al.
Veröffentlicht: (2025)

CGC: Compositional Grounded Contrast for Fine-Grained Multi-Image Understanding
von: Zheng, Lihao, et al.
Veröffentlicht: (2026)

FineXtrol: Controllable Motion Generation via Fine-Grained Text
von: Shen, Keming, et al.
Veröffentlicht: (2025)

UAV as Urban Construction Change Monitor: A New Benchmark and Change Captioning Model
von: Gao, Yupeng, et al.
Veröffentlicht: (2026)

OneRef: Unified One-tower Expression Grounding and Segmentation with Mask Referring Modeling
von: Xiao, Linhui, et al.
Veröffentlicht: (2024)

FineState-Bench: A Comprehensive Benchmark for Fine-Grained State Control in GUI Agents
von: Ji, Fengxian, et al.
Veröffentlicht: (2025)

NAVERO: Unlocking Fine-Grained Semantics for Video-Language Compositionality
von: Tao, Chaofan, et al.
Veröffentlicht: (2024)

MCFNet: A Multimodal Collaborative Fusion Network for Fine-Grained Semantic Classification
von: Qiao, Yang, et al.
Veröffentlicht: (2025)

Revisiting MLLM Based Image Quality Assessment: Errors and Remedy
von: Tang, Zhenchen, et al.
Veröffentlicht: (2025)

Hierarchical Consistency Learning for Test-time Adaptation in Camouflage Perception
von: Zha, Mingfeng, et al.
Veröffentlicht: (2026)

GeoPurify: A Data-Efficient Geometric Distillation Framework for Open-Vocabulary 3D Segmentation
von: Dou, Weijia, et al.
Veröffentlicht: (2025)

Efficient Adaptation of Pre-trained Vision Transformer underpinned by Approximately Orthogonal Fine-Tuning Strategy
von: Yang, Yiting, et al.
Veröffentlicht: (2025)

Micro-Expression Recognition via Fine-Grained Dynamic Perception
von: Shao, Zhiwen, et al.
Veröffentlicht: (2025)

FOCUS: Internal MLLM Representations for Efficient Fine-Grained Visual Question Answering
von: Zhong, Liangyu, et al.
Veröffentlicht: (2025)

Learning Attribute-Aware Hash Codes for Fine-Grained Image Retrieval via Query Optimization
von: Wang, Peng, et al.
Veröffentlicht: (2025)

The Solution for the 5th GCAIAC Zero-shot Referring Expression Comprehension Challenge
von: Huang, Longfei, et al.
Veröffentlicht: (2024)

Re-purposing SAM into Efficient Visual Projectors for MLLM-Based Referring Image Segmentation
von: Yang, Xiaobo, et al.
Veröffentlicht: (2025)

Shot2Story: A New Benchmark for Comprehensive Understanding of Multi-shot Videos
von: Han, Mingfei, et al.
Veröffentlicht: (2023)

Balancing Multi-Target Semi-Supervised Medical Image Segmentation with Collaborative Generalist and Specialists
von: Wang, You, et al.
Veröffentlicht: (2025)

Fast SAM2 with Text-Driven Token Pruning
von: Mandal, Avilasha, et al.
Veröffentlicht: (2025)

Revisiting Referring Expression Comprehension Evaluation in the Era of Large Multimodal Models
von: Chen, Jierun, et al.
Veröffentlicht: (2024)

Hierarchical Feature Learning for Medical Point Clouds via State Space Model
von: Zhang, Guoqing, et al.
Veröffentlicht: (2025)

FruitEnsemble: MLLM-Guided Arbitration for Heterogeneous ensemble in Fine-Grained Fruit Recognition
von: Yu, Enhui, et al.
Veröffentlicht: (2026)

Catching the Details: Self-Distilled RoI Predictors for Fine-Grained MLLM Perception
von: Shi, Yuheng, et al.
Veröffentlicht: (2025)

Leveraging MLLM Embeddings and Attribute Smoothing for Compositional Zero-Shot Learning
von: Yan, Xudong, et al.
Veröffentlicht: (2024)

Exploring Fine-Grained Image-Text Alignment for Referring Remote Sensing Image Segmentation
von: Lei, Sen, et al.
Veröffentlicht: (2024)