Omni-R1: Reinforcement Learning for Omnimodal Reasoning via Two-System Collaboration
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Zhong, Hao, Zhu, Muzhi, Du, Zongze, Huang, Zheng, Zhao, Canyu, Liu, Mingyu, Wang, Wen, Chen, Hao, Shen, Chunhua |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Active-O3: Empowering Multimodal Large Language Models with Active Perception via GRPO
par: Zhu, Muzhi, et autres
Publié: (2025)
par: Zhu, Muzhi, et autres
Publié: (2025)
OmniJigsaw: Enhancing Omni-Modal Reasoning via Modality-Orchestrated Reordering
par: Jia, Yiduo, et autres
Publié: (2026)
par: Jia, Yiduo, et autres
Publié: (2026)
NoTVLA: Semantics-Preserving Robot Adaptation via Narrative Action Interfaces
par: Huang, Zheng, et autres
Publié: (2025)
par: Huang, Zheng, et autres
Publié: (2025)
Bridge Thinking and Acting: Unleashing Physical Potential of VLM with Generalizable Action Expert
par: Liu, Mingyu, et autres
Publié: (2025)
par: Liu, Mingyu, et autres
Publié: (2025)
DICEPTION: A Generalist Diffusion Model for Visual Perceptual Tasks
par: Zhao, Canyu, et autres
Publié: (2025)
par: Zhao, Canyu, et autres
Publié: (2025)
Preserving Source Video Realism: High-Fidelity Face Swapping for Cinematic Quality
par: Luo, Zekai, et autres
Publié: (2025)
par: Luo, Zekai, et autres
Publié: (2025)
MovieDreamer: Hierarchical Generation for Coherent Long Visual Sequence
par: Zhao, Canyu, et autres
Publié: (2024)
par: Zhao, Canyu, et autres
Publié: (2024)
Omni-o3: Deep Nested Omnimodal Deduction for Deliberative Audio-Visual Reasoning
par: Zhang, Zhicheng, et autres
Publié: (2026)
par: Zhang, Zhicheng, et autres
Publié: (2026)
MMControl: Unified Multi-Modal Control for Joint Audio-Video Generation
par: Li, Liyang, et autres
Publié: (2026)
par: Li, Liyang, et autres
Publié: (2026)
Where to Look: Can Foundation Models Reach a Target Viewpoint Through Active Exploration?
par: Li, Liyang, et autres
Publié: (2026)
par: Li, Liyang, et autres
Publié: (2026)
Omni-Persona: Systematic Benchmarking and Improving Omnimodal Personalization
par: Oh, Yeongtak, et autres
Publié: (2026)
par: Oh, Yeongtak, et autres
Publié: (2026)
Tinker: Diffusion's Gift to 3D--Multi-View Consistent Editing From Sparse Inputs without Per-Scene Optimization
par: Zhao, Canyu, et autres
Publié: (2025)
par: Zhao, Canyu, et autres
Publié: (2025)
StaMo: Unsupervised Learning of Generalizable Robot Motion from Compact State Representation
par: Liu, Mingyu, et autres
Publié: (2025)
par: Liu, Mingyu, et autres
Publié: (2025)
A Simple Image Segmentation Framework via In-Context Examples
par: Liu, Yang, et autres
Publié: (2024)
par: Liu, Yang, et autres
Publié: (2024)
Generative Active Learning for Long-tailed Instance Segmentation
par: Zhu, Muzhi, et autres
Publié: (2024)
par: Zhu, Muzhi, et autres
Publié: (2024)
FreeCustom: Tuning-Free Customized Image Generation for Multi-Concept Composition
par: Ding, Ganggui, et autres
Publié: (2024)
par: Ding, Ganggui, et autres
Publié: (2024)
Matcher: Segment Anything with One Shot Using All-Purpose Feature Matching
par: Liu, Yang, et autres
Publié: (2023)
par: Liu, Yang, et autres
Publié: (2023)
DiverGen: Improving Instance Segmentation by Learning Wider Data Distribution with More Diverse Generative Data
par: Fan, Chengxiang, et autres
Publié: (2024)
par: Fan, Chengxiang, et autres
Publié: (2024)
MARBLE: Multi-Aspect Reward Balance for Diffusion RL
par: Zhao, Canyu, et autres
Publié: (2026)
par: Zhao, Canyu, et autres
Publié: (2026)
Scaling Language-Centric Omnimodal Representation Learning
par: Xiao, Chenghao, et autres
Publié: (2025)
par: Xiao, Chenghao, et autres
Publié: (2025)
R1-Omni: Explainable Omni-Multimodal Emotion Recognition with Reinforcement Learning
par: Zhao, Jiaxing, et autres
Publié: (2025)
par: Zhao, Jiaxing, et autres
Publié: (2025)
Exploring Spatial Intelligence from a Generative Perspective
par: Zhu, Muzhi, et autres
Publié: (2026)
par: Zhu, Muzhi, et autres
Publié: (2026)
OmniZip: Audio-Guided Dynamic Token Compression for Fast Omnimodal Large Language Models
par: Tao, Keda, et autres
Publié: (2025)
par: Tao, Keda, et autres
Publié: (2025)
ROVER: Benchmarking Reciprocal Cross-Modal Reasoning for Omnimodal Generation
par: Liang, Yongyuan, et autres
Publié: (2025)
par: Liang, Yongyuan, et autres
Publié: (2025)
SegAgent: Exploring Pixel Understanding Capabilities in MLLMs by Imitating Human Annotator Trajectories
par: Zhu, Muzhi, et autres
Publié: (2025)
par: Zhu, Muzhi, et autres
Publié: (2025)
Unleashing the Potential of the Diffusion Model in Few-shot Semantic Segmentation
par: Zhu, Muzhi, et autres
Publié: (2024)
par: Zhu, Muzhi, et autres
Publié: (2024)
HieraTok: Multi-Scale Visual Tokenizer Improves Image Reconstruction and Generation
par: Chen, Cong, et autres
Publié: (2025)
par: Chen, Cong, et autres
Publié: (2025)
MIRG-RL: Multi-Image Reasoning and Grounding with Reinforcement Learning
par: Zheng, Lihao, et autres
Publié: (2025)
par: Zheng, Lihao, et autres
Publié: (2025)
Unified Open-World Segmentation with Multi-Modal Prompts
par: Liu, Yang, et autres
Publié: (2025)
par: Liu, Yang, et autres
Publié: (2025)
Embodied-R: Collaborative Framework for Activating Embodied Spatial Reasoning in Foundation Models via Reinforcement Learning
par: Zhao, Baining, et autres
Publié: (2025)
par: Zhao, Baining, et autres
Publié: (2025)
Towards Omnimodal Expressions and Reasoning in Referring Audio-Visual Segmentation
par: Ying, Kaining, et autres
Publié: (2025)
par: Ying, Kaining, et autres
Publié: (2025)
Active Perception Agent for Omnimodal Audio-Video Understanding
par: Tao, Keda, et autres
Publié: (2025)
par: Tao, Keda, et autres
Publié: (2025)
Ego to World: Collaborative Spatial Reasoning in Embodied Systems via Reinforcement Learning
par: Zhou, Heng, et autres
Publié: (2026)
par: Zhou, Heng, et autres
Publié: (2026)
Surgery-R1: Advancing Surgical-VQLA with Reasoning Multimodal Large Language Model via Reinforcement Learning
par: Hao, Pengfei, et autres
Publié: (2025)
par: Hao, Pengfei, et autres
Publié: (2025)
OmniGuard: Unified Omni-Modal Guardrails with Deliberate Reasoning
par: Zhu, Boyu, et autres
Publié: (2025)
par: Zhu, Boyu, et autres
Publié: (2025)
LiViBench: An Omnimodal Benchmark for Interactive Livestream Video Understanding
par: Wang, Xiaodong, et autres
Publié: (2026)
par: Wang, Xiaodong, et autres
Publié: (2026)
ThinkOmni: Lifting Textual Reasoning to Omni-modal Scenarios via Guidance Decoding
par: Guan, Yiran, et autres
Publié: (2026)
par: Guan, Yiran, et autres
Publié: (2026)
LVOmniBench: Pioneering Long Audio-Video Understanding Evaluation for Omnimodal LLMs
par: Tao, Keda, et autres
Publié: (2026)
par: Tao, Keda, et autres
Publié: (2026)
OmniFashion: Towards Generalist Fashion Intelligence via Multi-Task Vision-Language Learning
par: Yang, Zhengwei, et autres
Publié: (2026)
par: Yang, Zhengwei, et autres
Publié: (2026)
Affordance-R1: Reinforcement Learning for Generalizable Affordance Reasoning in Multimodal Large Language Model
par: Wang, Hanqing, et autres
Publié: (2025)
par: Wang, Hanqing, et autres
Publié: (2025)
Documents similaires
-
Active-O3: Empowering Multimodal Large Language Models with Active Perception via GRPO
par: Zhu, Muzhi, et autres
Publié: (2025) -
OmniJigsaw: Enhancing Omni-Modal Reasoning via Modality-Orchestrated Reordering
par: Jia, Yiduo, et autres
Publié: (2026) -
NoTVLA: Semantics-Preserving Robot Adaptation via Narrative Action Interfaces
par: Huang, Zheng, et autres
Publié: (2025) -
Bridge Thinking and Acting: Unleashing Physical Potential of VLM with Generalizable Action Expert
par: Liu, Mingyu, et autres
Publié: (2025) -
DICEPTION: A Generalist Diffusion Model for Visual Perceptual Tasks
par: Zhao, Canyu, et autres
Publié: (2025)