Buchumschlag

STRMs: Spatial Temporal Reasoning Models for Vision-Based Localization Rivaling GPS Precision

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lui, Hin Wai, Krichmar, Jeffrey L.
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

Learning Vision from Models Rivals Learning Vision from Data
von: Tian, Yonglong, et al.
Veröffentlicht: (2023)

SpatialBot: Precise Spatial Understanding with Vision Language Models
von: Cai, Wenxiao, et al.
Veröffentlicht: (2024)

MASS: Motion-Aware Spatial-Temporal Grounding for Physics Reasoning and Comprehension in Vision-Language Models
von: Wu, Xiyang, et al.
Veröffentlicht: (2025)

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

Temporal-Spatial Object Relations Modeling for Vision-and-Language Navigation
von: Huang, Bowen, et al.
Veröffentlicht: (2024)

Temporal Contrastive Learning for Video Temporal Reasoning in Large Vision-Language Models
von: Souza, Rafael, et al.
Veröffentlicht: (2024)

InternSpatial: A Comprehensive Dataset for Spatial Reasoning in Vision-Language Models
von: Deng, Nianchen, et al.
Veröffentlicht: (2025)

PP-OCRv5: A Specialized 5M-Parameter Model Rivaling Billion-Parameter Vision-Language Models on OCR Tasks
von: Cui, Cheng, et al.
Veröffentlicht: (2026)

Vision-Language Memory for Spatial Reasoning
von: Liu, Zuntao, et al.
Veröffentlicht: (2025)

Spatial-DISE: A Unified Benchmark for Evaluating Spatial Reasoning in Vision-Language Models
von: Huang, Xinmiao, et al.
Veröffentlicht: (2025)

Masked Diffusion Vision-Language Models for Temporal Action Localization
von: Wang, Fengshun, et al.
Veröffentlicht: (2026)

STI-Bench: Are MLLMs Ready for Precise Spatial-Temporal World Understanding?
von: Li, Yun, et al.
Veröffentlicht: (2025)

STORM: Internalized Modeling for Spatial-Temporal Reasoning in Video-Language Models
von: Liang, Yiming, et al.
Veröffentlicht: (2026)

GTR-Bench: Evaluating Geo-Temporal Reasoning in Vision-Language Models
von: Xie, Qinghongbing, et al.
Veröffentlicht: (2025)

CVP: Central-Peripheral Vision-Inspired Multimodal Model for Spatial Reasoning
von: Chen, Zeyuan, et al.
Veröffentlicht: (2025)

Precise GPS-Denied UAV Self-Positioning via Context-Enhanced Cross-View Geo-Localization
von: Xu, Yuanze, et al.
Veröffentlicht: (2025)

Mind the Gap: Benchmarking Spatial Reasoning in Vision-Language Models
von: Stogiannidis, Ilias, et al.
Veröffentlicht: (2025)

Ascending the Infinite Ladder: Benchmarking Spatial Deformation Reasoning in Vision-Language Models
von: Zhang, Jiahuan, et al.
Veröffentlicht: (2025)

Spatial Reasoning with Vision-Language Models in Ego-Centric Multi-View Scenes
von: Gholami, Mohsen, et al.
Veröffentlicht: (2025)

Learning to Reason in 4D: Dynamic Spatial Understanding for Vision Language Models
von: Zhou, Shengchao, et al.
Veröffentlicht: (2025)

SURDS: Benchmarking Spatial Understanding and Reasoning in Driving Scenarios with Vision Language Models
von: Guo, Xianda, et al.
Veröffentlicht: (2024)

STUPD: A Synthetic Dataset for Spatial and Temporal Relation Reasoning
von: Agrawal, Palaash, et al.
Veröffentlicht: (2023)

Towards Mitigating Modality Bias in Vision-Language Models for Temporal Action Localization
von: Li, Jiaqi, et al.
Veröffentlicht: (2026)

Aerial Vision-Language Navigation with a Unified Framework for Spatial, Temporal and Embodied Reasoning
von: Xu, Huilin, et al.
Veröffentlicht: (2025)

Hierarchical Spatial Proximity Reasoning for Vision-and-Language Navigation
von: Xu, Ming, et al.
Veröffentlicht: (2024)

Sparkle: Mastering Basic Spatial Capabilities in Vision Language Models Elicits Generalization to Spatial Reasoning
von: Tang, Yihong, et al.
Veröffentlicht: (2024)

ST-VLM: Kinematic Instruction Tuning for Spatio-Temporal Reasoning in Vision-Language Models
von: Ko, Dohwan, et al.
Veröffentlicht: (2025)

DepthVLA: Enhancing Vision-Language-Action Models with Depth-Aware Spatial Reasoning
von: Yuan, Tianyuan, et al.
Veröffentlicht: (2025)

Seeing Across Views: Benchmarking Spatial Reasoning of Vision-Language Models in Robotic Scenes
von: Feng, Zhiyuan, et al.
Veröffentlicht: (2025)

The Dual Mechanisms of Spatial Reasoning in Vision-Language Models
von: Cui, Kelly, et al.
Veröffentlicht: (2026)

Altitude-Adaptive Vision-Only Geo-Localization for UAVs in GPS-Denied Environments
von: Shao, Xingyu, et al.
Veröffentlicht: (2026)

Temporal-Guided Visual Foundation Models for Event-Based Vision
von: Xia, Ruihao, et al.
Veröffentlicht: (2025)

Reasoning Paths with Reference Objects Elicit Quantitative Spatial Reasoning in Large Vision-Language Models
von: Liao, Yuan-Hong, et al.
Veröffentlicht: (2024)

SpatialPIN: Enhancing Spatial Reasoning Capabilities of Vision-Language Models through Prompting and Interacting 3D Priors
von: Ma, Chenyang, et al.
Veröffentlicht: (2024)

Progressive Cross-Stream Cooperation in Spatial and Temporal Domain for Action Localization
von: Su, Rui, et al.
Veröffentlicht: (2019)

Temporal-Visual Semantic Alignment: A Unified Architecture for Transferring Spatial Priors from Vision Models to Zero-Shot Temporal Tasks
von: Ma, Xiangkai, et al.
Veröffentlicht: (2025)

SpatialLadder: Progressive Training for Spatial Reasoning in Vision-Language Models
von: Li, Hongxing, et al.
Veröffentlicht: (2025)

An Approach to Enriching Surgical Video Datasets for Fine-Grained Spatial-Temporal Understanding of Vision-Language Models
von: Maack, Lennart, et al.
Veröffentlicht: (2026)

Learning to Localize Objects Improves Spatial Reasoning in Visual-LLMs
von: Ranasinghe, Kanchana, et al.
Veröffentlicht: (2024)

SSR: Enhancing Depth Perception in Vision-Language Models via Rationale-Guided Spatial Reasoning
von: Liu, Yang, et al.
Veröffentlicht: (2025)