Copertina

MiCo: Multi-image Contrast for Reinforcement Visual Reasoning

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Chen, Xi, Zhu, Mingkang, Liu, Shaoteng, Wu, Xiaoyang, Xu, Xiaogang, Liu, Yu, Bai, Xiang, Zhao, Hengshuang
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Computer Vision and Pattern Recognition
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

MiCo: Multiple Instance Learning with Context-Aware Clustering for Whole Slide Image Analysis
di: Li, Junjian, et al.
Pubblicazione: (2025)

DiffCamera: Arbitrary Refocusing on Images
di: Wang, Yiyang, et al.
Pubblicazione: (2025)

LogoSticker: Inserting Logos into Diffusion Models for Customized Generation
di: Zhu, Mingkang, et al.
Pubblicazione: (2024)

GDRO: Group-level Reward Post-training Suitable for Diffusion Models
di: Wang, Yiyang, et al.
Pubblicazione: (2026)

Modular Customization of Diffusion Models via Blockwise-Parameterized Low-Rank Adaptation
di: Zhu, Mingkang, et al.
Pubblicazione: (2025)

DiffDoctor: Diagnosing Image Diffusion Models Before Treating
di: Wang, Yiyang, et al.
Pubblicazione: (2025)

OpenIns3D: Snap and Lookup for 3D Open-vocabulary Instance Segmentation
di: Huang, Zhening, et al.
Pubblicazione: (2023)

ViSurf: Visual Supervised-and-Reinforcement Fine-Tuning for Large Vision-and-Language Models
di: Liu, Yuqi, et al.
Pubblicazione: (2025)

Towards Large-scale 3D Representation Learning with Multi-dataset Point Prompt Training
di: Wu, Xiaoyang, et al.
Pubblicazione: (2023)

CoLVR: Enhancing Exploratory Latent Visual Reasoning via Contrastive Optimization
di: Ding, Ziyang, et al.
Pubblicazione: (2026)

FashionComposer: Compositional Fashion Image Generation
di: Ji, Sihui, et al.
Pubblicazione: (2024)

Liquid: Language Models are Scalable and Unified Multi-modal Generators
di: Wu, Junfeng, et al.
Pubblicazione: (2024)

FocalClick-XL: Towards Unified and High-quality Interactive Segmentation
di: Chen, Xi, et al.
Pubblicazione: (2025)

Towards Unified 3D Object Detection via Algorithm and Data Unification
di: Li, Zhuoling, et al.
Pubblicazione: (2024)

GroupContrast: Semantic-aware Self-supervised Representation Learning for 3D Understanding
di: Wang, Chengyao, et al.
Pubblicazione: (2024)

Point Transformer V3 Extreme: 1st Place Solution for 2024 Waymo Open Dataset Challenge in Semantic Segmentation
di: Wu, Xiaoyang, et al.
Pubblicazione: (2024)

DisCo: Towards Distinct and Coherent Visual Encapsulation in Video MLLMs
di: Zhao, Jiahe, et al.
Pubblicazione: (2025)

LARM: Large Auto-Regressive Model for Long-Horizon Embodied Intelligence
di: Li, Zhuoling, et al.
Pubblicazione: (2024)

PlayerOne: Egocentric World Simulator
di: Tu, Yuanpeng, et al.
Pubblicazione: (2025)

VideoAnydoor: High-fidelity Video Object Insertion with Precise Motion Control
di: Tu, Yuanpeng, et al.
Pubblicazione: (2025)

PhysMaster: Mastering Physical Representation for Video Generation via Reinforcement Learning
di: Ji, Sihui, et al.
Pubblicazione: (2025)

UniLION: Towards Unified Autonomous Driving Model with Linear Group RNNs
di: Liu, Zhe, et al.
Pubblicazione: (2025)

Depth Anything: Unleashing the Power of Large-Scale Unlabeled Data
di: Yang, Lihe, et al.
Pubblicazione: (2024)

AnyDoor: Zero-shot Object-level Image Customization
di: Chen, Xi, et al.
Pubblicazione: (2023)

ViLLa: Video Reasoning Segmentation with Large Language Model
di: Zheng, Rongkun, et al.
Pubblicazione: (2024)

MiLDEdit: Reasoning-Based Multi-Layer Design Document Editing
di: Lin, Zihao, et al.
Pubblicazione: (2026)

Seg-VAR: Image Segmentation with Visual Autoregressive Modeling
di: Zheng, Rongkun, et al.
Pubblicazione: (2025)

Depth Anything V2
di: Yang, Lihe, et al.
Pubblicazione: (2024)

Predictive Reasoning with Augmented Anomaly Contrastive Learning for Compositional Visual Relations
di: Li, Chengtai, et al.
Pubblicazione: (2026)

Mini-o3: Scaling Up Reasoning Patterns and Interaction Turns for Visual Search
di: Lai, Xin, et al.
Pubblicazione: (2025)

CACE-Net: Co-guidance Attention and Contrastive Enhancement for Effective Audio-Visual Event Localization
di: He, Xiang, et al.
Pubblicazione: (2024)

Point Transformer V3: Simpler, Faster, Stronger
di: Wu, Xiaoyang, et al.
Pubblicazione: (2023)

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

DreamComposer++: Empowering Diffusion Models with Multi-View Conditions for 3D Content Generation
di: Yang, Yunhan, et al.
Pubblicazione: (2025)

LION: Linear Group RNN for 3D Object Detection in Point Clouds
di: Liu, Zhe, et al.
Pubblicazione: (2024)

CoCoNet: Coupled Contrastive Learning Network with Multi-level Feature Ensemble for Multi-modality Image Fusion
di: Liu, Jinyuan, et al.
Pubblicazione: (2022)

VLN-R1: Vision-Language Navigation via Reinforcement Fine-Tuning
di: Qi, Zhangyang, et al.
Pubblicazione: (2025)

TMT-VIS: Taxonomy-aware Multi-dataset Joint Training for Video Instance Segmentation
di: Zheng, Rongkun, et al.
Pubblicazione: (2023)

Rolling Sink: Bridging Limited-Horizon Training and Open-Ended Testing in Autoregressive Video Diffusion
di: Li, Haodong, et al.
Pubblicazione: (2026)

OA-CNNs: Omni-Adaptive Sparse CNNs for 3D Semantic Segmentation
di: Peng, Bohao, et al.
Pubblicazione: (2024)