:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chang, Yifan, Feng, Yukang, Sun, Jianwen, Ai, Jiaxin, Li, Chuanhao, Zhou, S. Kevin, Zhang, Kaipeng
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	https://arxiv.org/abs/2505.22126
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

From Pixels to Paths: A Multi-Agent Framework for Editable Scientific Illustration
von: Sun, Jianwen, et al.
Veröffentlicht: (2025)

IA-T2I: Internet-Augmented Text-to-Image Generation
von: Li, Chuanhao, et al.
Veröffentlicht: (2025)

A High-Quality Dataset and Reliable Evaluation for Interleaved Image-Text Generation
von: Feng, Yukang, et al.
Veröffentlicht: (2025)

ARMOR: Empowering Multimodal Understanding Model with Interleaved Multimodal Generation Capability
von: Sun, Jianwen, et al.
Veröffentlicht: (2025)

MDK12-Bench: A Multi-Discipline Benchmark for Evaluating Reasoning in Multimodal Large Language Models
von: Zhou, Pengfei, et al.
Veröffentlicht: (2025)

ProJudge: A Multi-Modal Multi-Discipline Benchmark and Instruction-Tuning Dataset for MLLM-based Process Judges
von: Ai, Jiaxin, et al.
Veröffentlicht: (2025)

Closing the Expression Gap in LLM Instructions via Socratic Questioning
von: Sun, Jianwen, et al.
Veröffentlicht: (2025)

ProSoftArena: Benchmarking Hierarchical Capabilities of Multimodal Agents in Professional Software Environments
von: Ai, Jiaxin, et al.
Veröffentlicht: (2025)

SciDraw-6K: A Multilingual Scientific Illustration Dataset Generated by Google Gemini
von: Chen, Davie
Veröffentlicht: (2026)

WorldMark: A Unified Benchmark Suite for Interactive Video World Models
von: Xu, Xiaojie, et al.
Veröffentlicht: (2026)

Sekai: A Video Dataset towards World Exploration
von: Li, Zhen, et al.
Veröffentlicht: (2025)

SVBench: Evaluation of Video Generation Models on Social Reasoning
von: Peng, Wenshuo, et al.
Veröffentlicht: (2025)

World Craft: Agentic Framework to Create Visualizable Worlds via Text
von: Sun, Jianwen, et al.
Veröffentlicht: (2026)

Code-in-the-Loop Forensics: Agentic Tool Use for Image Forgery Detection
von: Zhang, Fanrui, et al.
Veröffentlicht: (2025)

AutoFigure: Generating and Refining Publication-Ready Scientific Illustrations
von: Zhu, Minjun, et al.
Veröffentlicht: (2026)

PEBench: A Fictitious Dataset to Benchmark Machine Unlearning for Multimodal Large Language Models
von: Xu, Zhaopan, et al.
Veröffentlicht: (2025)

AutoFigure-Edit: Generating Editable Scientific Illustration
von: Lin, Zhen, et al.
Veröffentlicht: (2026)

PhyBench: A Physical Commonsense Benchmark for Evaluating Text-to-Image Models
von: Meng, Fanqing, et al.
Veröffentlicht: (2024)

OverLayBench: A Benchmark for Layout-to-Image Generation with Dense Overlaps
von: Li, Bingnan, et al.
Veröffentlicht: (2025)

TIR-Bench: A Comprehensive Benchmark for Agentic Thinking-with-Images Reasoning
von: Li, Ming, et al.
Veröffentlicht: (2025)

OpenING: A Comprehensive Benchmark for Judging Open-ended Interleaved Image-Text Generation
von: Zhou, Pengfei, et al.
Veröffentlicht: (2024)

MPBench: A Comprehensive Multimodal Reasoning Benchmark for Process Errors Identification
von: Xu, Zhaopan, et al.
Veröffentlicht: (2025)

MeepleLM: A Virtual Playtester Simulating Diverse Subjective Experiences
von: Li, Zizhen, et al.
Veröffentlicht: (2026)

LaGen: Towards Autoregressive LiDAR Scene Generation
von: Zhou, Sizhuo, et al.
Veröffentlicht: (2025)

WildWorld: A Large-Scale Dataset for Dynamic World Modeling with Actions and Explicit State toward Generative ARPG
von: Li, Zhen, et al.
Veröffentlicht: (2026)

TransMed: Large Language Models Enhance Vision Transformer for Biomedical Image Classification
von: Zheng, Kaipeng, et al.
Veröffentlicht: (2023)

Yume-1.5: A Text-Controlled Interactive World Generation Model
von: Mao, Xiaofeng, et al.
Veröffentlicht: (2025)

MICON-Bench: Benchmarking and Enhancing Multi-Image Context Image Generation in Unified Multimodal Models
von: Wu, Mingrui, et al.
Veröffentlicht: (2026)

R2I-Bench: Benchmarking Reasoning-Driven Text-to-Image Generation
von: Chen, Kaijie, et al.
Veröffentlicht: (2025)

VTEdit-Bench: A Comprehensive Benchmark for Multi-Reference Image Editing Models in Virtual Try-On
von: Liang, Xiaoye, et al.
Veröffentlicht: (2026)

IP-Bench: Benchmark for Image Protection Methods in Image-to-Video Generation Scenarios
von: Li, Xiaofeng, et al.
Veröffentlicht: (2026)

OCRGenBench: A Comprehensive Benchmark for Evaluating OCR Generative Capabilities
von: Zhang, Peirong, et al.
Veröffentlicht: (2025)

BioBench: A Blueprint to Move Beyond ImageNet for Scientific ML Benchmarks
von: Stevens, Samuel
Veröffentlicht: (2025)

FreeMorph: Tuning-Free Generalized Image Morphing with Diffusion Model
von: Cao, Yukang, et al.
Veröffentlicht: (2025)

InMind: Evaluating LLMs in Capturing and Applying Individual Human Reasoning Styles
von: Li, Zizhen, et al.
Veröffentlicht: (2025)

T2I-ReasonBench: Benchmarking Reasoning-Informed Text-to-Image Generation
von: Sun, Kaiyue, et al.
Veröffentlicht: (2025)

Draw ALL Your Imagine: A Holistic Benchmark and Agent Framework for Complex Instruction-based Image Generation
von: Zhou, Yucheng, et al.
Veröffentlicht: (2025)

Benchmarking Scientific Understanding and Reasoning for Video Generation using VideoScience-Bench
von: Hu, Lanxiang, et al.
Veröffentlicht: (2025)

UI2V-Bench: An Understanding-based Image-to-video Generation Benchmark
von: Zhang, Ailing, et al.
Veröffentlicht: (2025)

GIR-Bench: Versatile Benchmark for Generating Images with Reasoning
von: Li, Hongxiang, et al.
Veröffentlicht: (2025)