Buchumschlag

Visionary-R1: Mitigating Shortcuts in Visual Reasoning with Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Xia, Jiaer, Zang, Yuhang, Gao, Peng, Li, Sharon, Zhou, Kaiyang
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

Mitigating Hallucination in Multimodal LLMs with Layer Contrastive Decoding
von: Tong, Bingkui, et al.
Veröffentlicht: (2025)

Bootstrapping Grounded Chain-of-Thought in Multimodal LLMs for Data-Efficient Model Adaptation
von: Xia, Jiaer, et al.
Veröffentlicht: (2025)

Measuring Epistemic Humility in Multimodal Large Language Models
von: Tong, Bingkui, et al.
Veröffentlicht: (2025)

Streaming Video Instruction Tuning
von: Xia, Jiaer, et al.
Veröffentlicht: (2025)

Learning to Think Fast and Slow for Visual Language Models
von: Lin, Chenyu, et al.
Veröffentlicht: (2025)

Beyond Shortcuts: Mitigating Visual Illusions in Frozen VLMs via Qualitative Reasoning
von: Guo, Hao, et al.
Veröffentlicht: (2026)

Visual-RFT: Visual Reinforcement Fine-Tuning
von: Liu, Ziyu, et al.
Veröffentlicht: (2025)

Contextual Object Detection with Multimodal Large Language Models
von: Zang, Yuhang, et al.
Veröffentlicht: (2023)

MedReason-R1: Learning to Reason for CT Diagnosis with Reinforcement Learning and Local Zoom
von: Li, Yifan, et al.
Veröffentlicht: (2025)

ARM-Thinker: Reinforcing Multimodal Generative Reward Models with Agentic Tool Use and Visual Reasoning
von: Ding, Shengyuan, et al.
Veröffentlicht: (2025)

UniVG-R1: Reasoning Guided Universal Visual Grounding with Reinforcement Learning
von: Bai, Sule, et al.
Veröffentlicht: (2025)

Gaze-directed Vision GNN for Mitigating Shortcut Learning in Medical Image
von: Wu, Shaoxuan, et al.
Veröffentlicht: (2024)

Ground-R1: Incentivizing Grounded Visual Reasoning via Reinforcement Learning
von: Cao, Meng, et al.
Veröffentlicht: (2025)

GraphThinker: Reinforcing Temporally Grounded Video Reasoning with Event Graph Thinking
von: Cheng, Zixu, et al.
Veröffentlicht: (2026)

STVG-R1: Incentivizing Instance-Level Reasoning and Grounding in Videos via Reinforcement Learning
von: Zhang, Xiaowen, et al.
Veröffentlicht: (2026)

Take A Shortcut Back: Mitigating the Gradient Vanishing for Training Spiking Neural Networks
von: Guo, Yufei, et al.
Veröffentlicht: (2024)

Skywork R1V2: Multimodal Hybrid Reinforcement Learning for Reasoning
von: Wang, Peiyu, et al.
Veröffentlicht: (2025)

Visual Agentic Reinforcement Fine-Tuning
von: Liu, Ziyu, et al.
Veröffentlicht: (2025)

HOID-R1: Reinforcement Learning for Open-World Human-Object Interaction Detection Reasoning with Multimodal Large Language Model
von: Zhang, Zhenhao, et al.
Veröffentlicht: (2025)

Visual Self-Refine: A Pixel-Guided Paradigm for Accurate Chart Parsing
von: Li, Jinsong, et al.
Veröffentlicht: (2026)

Video-R1: Reinforcing Video Reasoning in MLLMs
von: Feng, Kaituo, et al.
Veröffentlicht: (2025)

Think Visually, Reason Textually: Vision-Language Synergy in ARC
von: Zhang, Beichen, et al.
Veröffentlicht: (2025)

VisionReasoner: Unified Reasoning-Integrated Visual Perception via Reinforcement Learning
von: Liu, Yuqi, et al.
Veröffentlicht: (2025)

Efficient Unsupervised Shortcut Learning Detection and Mitigation in Transformers
von: Kuhn, Lukas, et al.
Veröffentlicht: (2025)

Learning Only with Images: Visual Reinforcement Learning with Reasoning, Rendering, and Visual Feedback
von: Chen, Yang, et al.
Veröffentlicht: (2025)

VisualQuality-R1: Reasoning-Induced Image Quality Assessment via Reinforcement Learning to Rank
von: Wu, Tianhe, et al.
Veröffentlicht: (2025)

Grounded Reinforcement Learning for Visual Reasoning
von: Sarch, Gabriel, et al.
Veröffentlicht: (2025)

Touch-R1: Reinforcing Touch Reasoning in MLLMs
von: Lai, Yingxin, et al.
Veröffentlicht: (2026)

The Cartesian Shortcut: Re-evaluate Vision Reasoning in Polar Coordinate Space
von: Hu, Xia, et al.
Veröffentlicht: (2026)

BackMix: Mitigating Shortcut Learning in Echocardiography with Minimal Supervision
von: Bransby, Kit Mills, et al.
Veröffentlicht: (2024)

Wan-R1: Verifiable-Reinforcement Learning for Video Reasoning
von: Liu, Ming, et al.
Veröffentlicht: (2026)

Pref-GRPO: Pairwise Preference Reward-based GRPO for Stable Text-to-Image Reinforcement Learning
von: Wang, Yibin, et al.
Veröffentlicht: (2025)

Med-R1: Reinforcement Learning for Generalizable Medical Reasoning in Vision-Language Models
von: Lai, Yuxiang, et al.
Veröffentlicht: (2025)

PathVLM-R1: A Reinforcement Learning-Driven Reasoning Model for Pathology Visual-Language Tasks
von: Wu, Jianyu, et al.
Veröffentlicht: (2025)

Reasoning as Representation: Rethinking Visual Reinforcement Learning in Image Quality Assessment
von: Zhao, Shijie, et al.
Veröffentlicht: (2025)

Attention Disturbance and Dual-Path Constraint Network for Occluded Person Re-identification
von: Xia, Jiaer, et al.
Veröffentlicht: (2023)

VideoSeg-R1:Reasoning Video Object Segmentation via Reinforcement Learning
von: Xu, Zishan, et al.
Veröffentlicht: (2025)

Breaking the Visual Shortcuts in Multimodal Knowledge-Based Visual Question Answering
von: Lee, Dosung, et al.
Veröffentlicht: (2025)

ClearGCD: Mitigating Shortcut Learning For Robust Generalized Category Discovery
von: Lyu, Kailin, et al.
Veröffentlicht: (2025)

GMAI-VL-R1: Harnessing Reinforcement Learning for Multimodal Medical Reasoning
von: Su, Yanzhou, et al.
Veröffentlicht: (2025)