Buchumschlag

Visual Position Prompt for MLLM based Visual Grounding

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tang, Wei, Sun, Yanpeng, Gu, Qinying, Li, Zechao
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

A Survey on MLLM-based Visually Rich Document Understanding: Methods, Challenges, and Emerging Trends
von: Ding, Yihao, et al.
Veröffentlicht: (2025)

S$^2$-MLLM: Boosting Spatial Reasoning Capability of MLLMs for 3D Visual Grounding with Structural Guidance
von: Xu, Beining, et al.
Veröffentlicht: (2025)

Towards Visual-Prompt Temporal Answering Grounding in Medical Instructional Video
von: Li, Bin, et al.
Veröffentlicht: (2022)

SSP-SAM: SAM with Semantic-Spatial Prompt for Referring Expression Segmentation
von: Tang, Wei, et al.
Veröffentlicht: (2026)

IPCV: Information-Preserving Compression for MLLM Visual Encoders
von: Chen, Yuan, et al.
Veröffentlicht: (2025)

AerialVG: A Challenging Benchmark for Aerial Visual Grounding by Exploring Positional Relations
von: Liu, Junli, et al.
Veröffentlicht: (2025)

Robust MLLM Unlearning via Visual Knowledge Distillation
von: Wang, Yuhang, et al.
Veröffentlicht: (2025)

Exploring Visual Prompting: Robustness Inheritance and Beyond
von: Li, Qi, et al.
Veröffentlicht: (2025)

Visual Prompt Selection for In-Context Learning Segmentation
von: Suo, Wei, et al.
Veröffentlicht: (2024)

Slot-MLLM: Object-Centric Visual Tokenization for Multimodal LLM
von: Chi, Donghwan, et al.
Veröffentlicht: (2025)

Evaluating Visual Prompts with Eye-Tracking Data for MLLM-Based Human Activity Recognition
von: Choi, Jae Young, et al.
Veröffentlicht: (2026)

FedMGP: Personalized Federated Learning with Multi-Group Text-Visual Prompts
von: Bo, Weihao, et al.
Veröffentlicht: (2025)

Visual Instance-aware Prompt Tuning
von: Xiao, Xi, et al.
Veröffentlicht: (2025)

VisionCoach: Reinforcing Grounded Video Reasoning via Visual-Perception Prompting
von: Lee, Daeun, et al.
Veröffentlicht: (2026)

OpenGround: Active Cognition-based Reasoning for Open-World 3D Visual Grounding
von: Huang, Wenyuan, et al.
Veröffentlicht: (2025)

Rethinking 3D Dense Caption and Visual Grounding in A Unified Framework through Prompt-based Localization
von: Luo, Yongdong, et al.
Veröffentlicht: (2024)

Embedded Visual Prompt Tuning
von: Zu, Wenqiang, et al.
Veröffentlicht: (2024)

SSVP: Synergistic Semantic-Visual Prompting for Industrial Zero-Shot Anomaly Detection
von: Fu, Chenhao, et al.
Veröffentlicht: (2026)

Probing Visual Planning in Image Editing Models
von: Zhou, Zhimu, et al.
Veröffentlicht: (2026)

Prompt-based Visual Alignment for Zero-shot Policy Transfer
von: Gao, Haihan, et al.
Veröffentlicht: (2024)

From Inheritance to Saturation: Disentangling the Evolution of Visual Redundancy for Architecture-Aware MLLM Inference Acceleration
von: Shi, Jiaqi, et al.
Veröffentlicht: (2026)

Towards Understanding Visual Grounding in Visual Language Models
von: Pantazopoulos, Georgios, et al.
Veröffentlicht: (2025)

Reasoning Matters for 3D Visual Grounding
von: Huang, Hsiang-Wei, et al.
Veröffentlicht: (2026)

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

Hard to Read, Easy to Jailbreak: How Visual Degradation Bypasses MLLM Safety Alignment
von: Song, Zhixue, et al.
Veröffentlicht: (2026)

Visual Fourier Prompt Tuning
von: Zeng, Runjia, et al.
Veröffentlicht: (2024)

Prompt When the Animal is: Temporal Animal Behavior Grounding with Positional Recovery Training
von: Yan, Sheng, et al.
Veröffentlicht: (2024)

VRP-SAM: SAM with Visual Reference Prompt
von: Sun, Yanpeng, et al.
Veröffentlicht: (2024)

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

DetToolChain: A New Prompting Paradigm to Unleash Detection Ability of MLLM
von: Wu, Yixuan, et al.
Veröffentlicht: (2024)

Progressive Language-guided Visual Learning for Multi-Task Visual Grounding
von: Wang, Jingchao, et al.
Veröffentlicht: (2025)

Free Video-LLM: Prompt-guided Visual Perception for Efficient Training-free Video LLMs
von: Han, Kai, et al.
Veröffentlicht: (2024)

P4Q: Learning to Prompt for Quantization in Visual-language Models
von: Sun, Huixin, et al.
Veröffentlicht: (2024)

Towards Visual Discrimination and Reasoning of Real-World Physical Dynamics: Physics-Grounded Anomaly Detection
von: Li, Wenqiao, et al.
Veröffentlicht: (2025)

The Role of Entropy in Visual Grounding: Analysis and Optimization
von: Li, Shuo, et al.
Veröffentlicht: (2025)

VGR: Visual Grounded Reasoning
von: Wang, Jiacong, et al.
Veröffentlicht: (2025)

CVPT: Cross Visual Prompt Tuning
von: Huang, Lingyun, et al.
Veröffentlicht: (2024)

Selective Visual Prompting in Vision Mamba
von: Yao, Yifeng, et al.
Veröffentlicht: (2024)

RSVP: Reasoning Segmentation via Visual Prompting and Multi-modal Chain-of-Thought
von: Lu, Yi, et al.
Veröffentlicht: (2025)

DOGR: Towards Versatile Visual Document Grounding and Referring
von: Zhou, Yinan, et al.
Veröffentlicht: (2024)