HSENet: Hybrid Spatial Encoding Network for 3D Medical Vision-Language Understanding
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Shi, Yanzhao, Zhang, Xiaodan, Ji, Junzhong, Jiang, Haoning, Zheng, Chengxin, Wang, Yinong, Qu, Liangqiong |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
See Detail Say Clear: Towards Brain CT Report Generation via Pathological Clue-driven Representation Learning
par: Zheng, Chengxin, et autres
Publié: (2024)
par: Zheng, Chengxin, et autres
Publié: (2024)
MEPNet: Medical Entity-balanced Prompting Network for Brain CT Report Generation
par: Zhang, Xiaodan, et autres
Publié: (2025)
par: Zhang, Xiaodan, et autres
Publié: (2025)
Residual Denoising Diffusion Models
par: Liu, Jiawei, et autres
Publié: (2023)
par: Liu, Jiawei, et autres
Publié: (2023)
FedVLMBench: Benchmarking Federated Fine-Tuning of Vision-Language Models
par: Zheng, Weiying, et autres
Publié: (2025)
par: Zheng, Weiying, et autres
Publié: (2025)
ATSTrack: Enhancing Visual-Language Tracking by Aligning Temporal and Spatial Scales
par: Zhen, Yihao, et autres
Publié: (2025)
par: Zhen, Yihao, et autres
Publié: (2025)
Lost in Volume: The CT-SpatialVQA Benchmark for Evaluating Semantic-Spatial Understanding of 3D Medical Vision-Language Models
par: Monon, Mashrafi, et autres
Publié: (2026)
par: Monon, Mashrafi, et autres
Publié: (2026)
SD-VLM: Spatial Measuring and Understanding with Depth-Encoded Vision-Language Models
par: Chen, Pingyi, et autres
Publié: (2025)
par: Chen, Pingyi, et autres
Publié: (2025)
HiSpatial: Taming Hierarchical 3D Spatial Understanding in Vision-Language Models
par: Liang, Huizhi, et autres
Publié: (2026)
par: Liang, Huizhi, et autres
Publié: (2026)
Unleashing the Potential of SAM for Medical Adaptation via Hierarchical Decoding
par: Cheng, Zhiheng, et autres
Publié: (2024)
par: Cheng, Zhiheng, et autres
Publié: (2024)
Deep Generative Models Unveil Patterns in Medical Images Through Vision-Language Conditioning
par: Xing, Xiaodan, et autres
Publié: (2024)
par: Xing, Xiaodan, et autres
Publié: (2024)
Grounded 3D-Aware Spatial Vision-Language Modeling
par: Cheng, An-Chieh, et autres
Publié: (2026)
par: Cheng, An-Chieh, et autres
Publié: (2026)
SpatialBot: Precise Spatial Understanding with Vision Language Models
par: Cai, Wenxiao, et autres
Publié: (2024)
par: Cai, Wenxiao, et autres
Publié: (2024)
CAGS: Open-Vocabulary 3D Scene Understanding with Context-Aware Gaussian Splatting
par: Sun, Wei, et autres
Publié: (2025)
par: Sun, Wei, et autres
Publié: (2025)
SoccerMaster: A Vision Foundation Model for Soccer Understanding
par: Yang, Haolin, et autres
Publié: (2025)
par: Yang, Haolin, et autres
Publié: (2025)
TraceVision: Trajectory-Aware Vision-Language Model for Human-Like Spatial Understanding
par: Yang, Fan, et autres
Publié: (2026)
par: Yang, Fan, et autres
Publié: (2026)
Learning to Reason in 4D: Dynamic Spatial Understanding for Vision Language Models
par: Zhou, Shengchao, et autres
Publié: (2025)
par: Zhou, Shengchao, et autres
Publié: (2025)
3DVLA: Enhancing Vision-Language-Action Models via 3D Spatial and Instance Understanding
par: Xia, Zhongyu, et autres
Publié: (2026)
par: Xia, Zhongyu, et autres
Publié: (2026)
Exploring Self- and Cross-Triplet Correlations for Human-Object Interaction Detection
par: Jiang, Weibo, et autres
Publié: (2024)
par: Jiang, Weibo, et autres
Publié: (2024)
N3D-VLM: Native 3D Grounding Enables Accurate Spatial Reasoning in Vision-Language Models
par: Wang, Yuxin, et autres
Publié: (2025)
par: Wang, Yuxin, et autres
Publié: (2025)
Scalable Object Relation Encoding for Better 3D Spatial Reasoning in Large Language Models
par: Zhou, Shengli, et autres
Publié: (2026)
par: Zhou, Shengli, et autres
Publié: (2026)
RoboSpatial: Teaching Spatial Understanding to 2D and 3D Vision-Language Models for Robotics
par: Song, Chan Hee, et autres
Publié: (2024)
par: Song, Chan Hee, et autres
Publié: (2024)
EaqVLA: Encoding-aligned Quantization for Vision-Language-Action Models
par: Jiang, Feng, et autres
Publié: (2025)
par: Jiang, Feng, et autres
Publié: (2025)
Aligning What Vision-Language Models See and Perceive with Adaptive Information Flow
par: Liu, Chengxin, et autres
Publié: (2026)
par: Liu, Chengxin, et autres
Publié: (2026)
Unleashing the Potential of Large Language Models for Text-to-Image Generation through Autoregressive Representation Alignment
par: Xie, Xing, et autres
Publié: (2025)
par: Xie, Xing, et autres
Publié: (2025)
MedPruner: Training-Free Hierarchical Token Pruning for Efficient 3D Medical Image Understanding in Vision-Language Models
par: Liu, Shengyuan, et autres
Publié: (2026)
par: Liu, Shengyuan, et autres
Publié: (2026)
Vision-Language Models Encode Clinical Guidelines for Concept-Based Medical Reasoning
par: Harmanani, Mohamed, et autres
Publié: (2026)
par: Harmanani, Mohamed, et autres
Publié: (2026)
Spatial 3D-LLM: Exploring Spatial Awareness in 3D Vision-Language Models
par: Wang, Xiaoyan, et autres
Publié: (2025)
par: Wang, Xiaoyan, et autres
Publié: (2025)
ScVLM: Enhancing Vision-Language Model for Safety-Critical Event Understanding
par: Shi, Liang, et autres
Publié: (2024)
par: Shi, Liang, et autres
Publié: (2024)
VoxRep: Enhancing 3D Spatial Understanding in 2D Vision-Language Models via Voxel Representation
par: Dao, Alan, et autres
Publié: (2025)
par: Dao, Alan, et autres
Publié: (2025)
SPARTUN3D: Situated Spatial Understanding of 3D World in Large Language Models
par: Zhang, Yue, et autres
Publié: (2024)
par: Zhang, Yue, et autres
Publié: (2024)
Can 3D Vision-Language Models Truly Understand Natural Language?
par: Deng, Weipeng, et autres
Publié: (2024)
par: Deng, Weipeng, et autres
Publié: (2024)
Abstract 3D Perception for Spatial Intelligence in Vision-Language Models
par: Liu, Yifan, et autres
Publié: (2025)
par: Liu, Yifan, et autres
Publié: (2025)
Med-2E3: A 2D-Enhanced 3D Medical Multimodal Large Language Model
par: Shi, Yiming, et autres
Publié: (2024)
par: Shi, Yiming, et autres
Publié: (2024)
Towards Universal Soccer Video Understanding
par: Rao, Jiayuan, et autres
Publié: (2024)
par: Rao, Jiayuan, et autres
Publié: (2024)
Discrete Diffusion Models with MLLMs for Unified Medical Multimodal Generation
par: Mao, Jiawei, et autres
Publié: (2025)
par: Mao, Jiawei, et autres
Publié: (2025)
Med3D-R1: Incentivizing Clinical Reasoning in 3D Medical Vision-Language Models for Abnormality Diagnosis
par: Lai, Haoran, et autres
Publié: (2026)
par: Lai, Haoran, et autres
Publié: (2026)
NuScenes-SpatialQA: A Spatial Understanding and Reasoning Benchmark for Vision-Language Models in Autonomous Driving
par: Tian, Kexin, et autres
Publié: (2025)
par: Tian, Kexin, et autres
Publié: (2025)
Unifying 3D Vision-Language Understanding via Promptable Queries
par: Zhu, Ziyu, et autres
Publié: (2024)
par: Zhu, Ziyu, et autres
Publié: (2024)
Johnson-Lindenstrauss Lemma Guided Network for Efficient 3D Medical Segmentation
par: Lu, Jinpeng, et autres
Publié: (2025)
par: Lu, Jinpeng, et autres
Publié: (2025)
SpatialReasoner: Active Perception for Large-Scale 3D Scene Understanding
par: Zheng, Hongpei, et autres
Publié: (2025)
par: Zheng, Hongpei, et autres
Publié: (2025)
Documents similaires
-
See Detail Say Clear: Towards Brain CT Report Generation via Pathological Clue-driven Representation Learning
par: Zheng, Chengxin, et autres
Publié: (2024) -
MEPNet: Medical Entity-balanced Prompting Network for Brain CT Report Generation
par: Zhang, Xiaodan, et autres
Publié: (2025) -
Residual Denoising Diffusion Models
par: Liu, Jiawei, et autres
Publié: (2023) -
FedVLMBench: Benchmarking Federated Fine-Tuning of Vision-Language Models
par: Zheng, Weiying, et autres
Publié: (2025) -
ATSTrack: Enhancing Visual-Language Tracking by Aligning Temporal and Spatial Scales
par: Zhen, Yihao, et autres
Publié: (2025)