CLiViS: Unleashing Cognitive Map through Linguistic-Visual Synergy for Embodied Visual Reasoning
Fuente:
arXiv
Salvato in:
| Autori principali: | Li, Kailing, Xu, Qi'ao, Qian, Tianwen, Fu, Yuqian, Jiao, Yang, Wang, Xiaoling |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2025
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Bridging the 2D-3D Gap: A Hierarchical Semantic-Geometric Map for Vision Language Navigation
di: Li, Kailing, et al.
Pubblicazione: (2026)
di: Li, Kailing, et al.
Pubblicazione: (2026)
ToG-Bench: Task-Oriented Spatio-Temporal Grounding in Egocentric Videos
di: Xu, Qi'ao, et al.
Pubblicazione: (2025)
di: Xu, Qi'ao, et al.
Pubblicazione: (2025)
Prompt as Free Lunch: Enhancing Diversity in Source-Free Cross-domain Few-shot Learning through Semantic-Guided Prompting
di: Zhuo, Linhai, et al.
Pubblicazione: (2024)
di: Zhuo, Linhai, et al.
Pubblicazione: (2024)
Open Vision Reasoner: Transferring Linguistic Cognitive Behavior for Visual Reasoning
di: Wei, Yana, et al.
Pubblicazione: (2025)
di: Wei, Yana, et al.
Pubblicazione: (2025)
HSACNet: Hierarchical Scale-Aware Consistency Regularized Semi-Supervised Change Detection
di: Xu, Qi'ao, et al.
Pubblicazione: (2025)
di: Xu, Qi'ao, et al.
Pubblicazione: (2025)
Embodied-Reasoner: Synergizing Visual Search, Reasoning, and Action for Embodied Interactive Tasks
di: Zhang, Wenqi, et al.
Pubblicazione: (2025)
di: Zhang, Wenqi, et al.
Pubblicazione: (2025)
EgoCross: Benchmarking Multimodal Large Language Models for Cross-Domain Egocentric Video Question Answering
di: Li, Yanjun, et al.
Pubblicazione: (2025)
di: Li, Yanjun, et al.
Pubblicazione: (2025)
StreamEQA: Towards Streaming Video Understanding for Embodied Scenarios
di: Wang, Yifei, et al.
Pubblicazione: (2025)
di: Wang, Yifei, et al.
Pubblicazione: (2025)
Charting a Decade of Computational Linguistics in Italy: The CLiC-it Corpus
di: Alzetta, Chiara, et al.
Pubblicazione: (2025)
di: Alzetta, Chiara, et al.
Pubblicazione: (2025)
Describe-then-Reason: Improving Multimodal Mathematical Reasoning through Visual Comprehension Training
di: Jia, Mengzhao, et al.
Pubblicazione: (2024)
di: Jia, Mengzhao, et al.
Pubblicazione: (2024)
Think Visually, Reason Textually: Vision-Language Synergy in ARC
di: Zhang, Beichen, et al.
Pubblicazione: (2025)
di: Zhang, Beichen, et al.
Pubblicazione: (2025)
Unleashing the Emergent Cognitive Synergy in Large Language Models: A Task-Solving Agent through Multi-Persona Self-Collaboration
di: Wang, Zhenhailong, et al.
Pubblicazione: (2023)
di: Wang, Zhenhailong, et al.
Pubblicazione: (2023)
ViGiL3D: A Linguistically Diverse Dataset for 3D Visual Grounding
di: Wang, Austin T., et al.
Pubblicazione: (2025)
di: Wang, Austin T., et al.
Pubblicazione: (2025)
TS-P$^2$CL: Plug-and-Play Dual Contrastive Learning for Vision-Guided Medical Time Series Classification
di: Xu, Qi'ao, et al.
Pubblicazione: (2025)
di: Xu, Qi'ao, et al.
Pubblicazione: (2025)
ViCor: Bridging Visual Understanding and Commonsense Reasoning with Large Language Models
di: Zhou, Kaiwen, et al.
Pubblicazione: (2023)
di: Zhou, Kaiwen, et al.
Pubblicazione: (2023)
ReasonMap: Towards Fine-Grained Visual Reasoning from Transit Maps
di: Feng, Sicheng, et al.
Pubblicazione: (2025)
di: Feng, Sicheng, et al.
Pubblicazione: (2025)
VoCoT: Unleashing Visually Grounded Multi-Step Reasoning in Large Multi-Modal Models
di: Li, Zejun, et al.
Pubblicazione: (2024)
di: Li, Zejun, et al.
Pubblicazione: (2024)
Logic-RL: Unleashing LLM Reasoning with Rule-Based Reinforcement Learning
di: Xie, Tian, et al.
Pubblicazione: (2025)
di: Xie, Tian, et al.
Pubblicazione: (2025)
GITA: Graph to Visual and Textual Integration for Vision-Language Graph Reasoning
di: Wei, Yanbin, et al.
Pubblicazione: (2024)
di: Wei, Yanbin, et al.
Pubblicazione: (2024)
GoT-R1: Unleashing Reasoning Capability of MLLM for Visual Generation with Reinforcement Learning
di: Duan, Chengqi, et al.
Pubblicazione: (2025)
di: Duan, Chengqi, et al.
Pubblicazione: (2025)
QID: Efficient Query-Informed ViTs in Data-Scarce Regimes for OCR-free Visual Document Understanding
di: Le, Binh M., et al.
Pubblicazione: (2025)
di: Le, Binh M., et al.
Pubblicazione: (2025)
Do LLMs Capture Embodied Cognition and Cultural Variation? Cross-Linguistic Evidence from Demonstratives
di: Wang, Yu, et al.
Pubblicazione: (2026)
di: Wang, Yu, et al.
Pubblicazione: (2026)
VGR: Visual Grounded Reasoning
di: Wang, Jiacong, et al.
Pubblicazione: (2025)
di: Wang, Jiacong, et al.
Pubblicazione: (2025)
Reasoning Meets Personalization: Unleashing the Potential of Large Reasoning Model for Personalized Generation
di: Luo, Sichun, et al.
Pubblicazione: (2025)
di: Luo, Sichun, et al.
Pubblicazione: (2025)
Human Cognitive Benchmarks Reveal Foundational Visual Gaps in MLLMs
di: Huang, Jen-Tse, et al.
Pubblicazione: (2025)
di: Huang, Jen-Tse, et al.
Pubblicazione: (2025)
MatViX: Multimodal Information Extraction from Visually Rich Articles
di: Khalighinejad, Ghazal, et al.
Pubblicazione: (2024)
di: Khalighinejad, Ghazal, et al.
Pubblicazione: (2024)
A + B: A General Generator-Reader Framework for Optimizing LLMs to Unleash Synergy Potential
di: Tang, Wei, et al.
Pubblicazione: (2024)
di: Tang, Wei, et al.
Pubblicazione: (2024)
TableVista: Benchmarking Multimodal Table Reasoning under Visual and Structural Complexity
di: Yang, Zheyuan, et al.
Pubblicazione: (2026)
di: Yang, Zheyuan, et al.
Pubblicazione: (2026)
Pixology: Probing the Linguistic and Visual Capabilities of Pixel-based Language Models
di: Tatariya, Kushal, et al.
Pubblicazione: (2024)
di: Tatariya, Kushal, et al.
Pubblicazione: (2024)
Unbiased Visual Reasoning with Controlled Visual Inputs
di: Li, Zhaonan, et al.
Pubblicazione: (2025)
di: Li, Zhaonan, et al.
Pubblicazione: (2025)
ViSpeR: Multilingual Audio-Visual Speech Recognition
di: Narayan, Sanath, et al.
Pubblicazione: (2024)
di: Narayan, Sanath, et al.
Pubblicazione: (2024)
Latent Visual Reasoning
di: Li, Bangzheng, et al.
Pubblicazione: (2025)
di: Li, Bangzheng, et al.
Pubblicazione: (2025)
Unleashing Embodied Task Planning Ability in LLMs via Reinforcement Learning
di: Fei, Zhaoye, et al.
Pubblicazione: (2025)
di: Fei, Zhaoye, et al.
Pubblicazione: (2025)
Unleashing Multi-Hop Reasoning Potential in Large Language Models through Repetition of Misordered Context
di: Yu, Sangwon, et al.
Pubblicazione: (2024)
di: Yu, Sangwon, et al.
Pubblicazione: (2024)
Does Visual Grounding Enhance the Understanding of Embodied Knowledge in Large Language Models?
di: Yang, Zhihui, et al.
Pubblicazione: (2025)
di: Yang, Zhihui, et al.
Pubblicazione: (2025)
TrackVLA++: Unleashing Reasoning and Memory Capabilities in VLA Models for Embodied Visual Tracking
di: Liu, Jiahang, et al.
Pubblicazione: (2025)
di: Liu, Jiahang, et al.
Pubblicazione: (2025)
Towards Visuospatial Cognition via Hierarchical Fusion of Visual Experts
di: Feng, Qi
Pubblicazione: (2025)
di: Feng, Qi
Pubblicazione: (2025)
ViDoRAG: Visual Document Retrieval-Augmented Generation via Dynamic Iterative Reasoning Agents
di: Wang, Qiuchen, et al.
Pubblicazione: (2025)
di: Wang, Qiuchen, et al.
Pubblicazione: (2025)
Thinking with Visual Abstract: Enhancing Multimodal Reasoning via Visual Abstraction
di: Liu, Dairu, et al.
Pubblicazione: (2025)
di: Liu, Dairu, et al.
Pubblicazione: (2025)
FastPerson: Enhancing Video Learning through Effective Video Summarization that Preserves Linguistic and Visual Contexts
di: Kawamura, Kazuki, et al.
Pubblicazione: (2024)
di: Kawamura, Kazuki, et al.
Pubblicazione: (2024)
Documenti analoghi
-
Bridging the 2D-3D Gap: A Hierarchical Semantic-Geometric Map for Vision Language Navigation
di: Li, Kailing, et al.
Pubblicazione: (2026) -
ToG-Bench: Task-Oriented Spatio-Temporal Grounding in Egocentric Videos
di: Xu, Qi'ao, et al.
Pubblicazione: (2025) -
Prompt as Free Lunch: Enhancing Diversity in Source-Free Cross-domain Few-shot Learning through Semantic-Guided Prompting
di: Zhuo, Linhai, et al.
Pubblicazione: (2024) -
Open Vision Reasoner: Transferring Linguistic Cognitive Behavior for Visual Reasoning
di: Wei, Yana, et al.
Pubblicazione: (2025) -
HSACNet: Hierarchical Scale-Aware Consistency Regularized Semi-Supervised Change Detection
di: Xu, Qi'ao, et al.
Pubblicazione: (2025)