Copertina

MagiC: Evaluating Multimodal Cognition Toward Grounded Visual Reasoning

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Wu, Chengfei, Seoh, Ronald, Li, Bingxuan, Zhang, Liqiang, Han, Fengrong, Goldwasser, Dan
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

EmoGist: Efficient In-Context Learning for Visual Emotion Understanding
di: Seoh, Ronald, et al.
Pubblicazione: (2025)

Beyond Accuracy: Evaluating Visual Grounding In Multimodal Medical Reasoning
di: Zafar, Anas, et al.
Pubblicazione: (2026)

Multimodal Reference Visual Grounding
di: Lu, Yangxiao, et al.
Pubblicazione: (2025)

Point-RFT: Improving Multimodal Reasoning with Visually Grounded Reinforcement Finetuning
di: Ni, Minheng, et al.
Pubblicazione: (2025)

Unfolding Spatial Cognition: Evaluating Multimodal Models on Visual Simulations
di: Li, Linjie, et al.
Pubblicazione: (2025)

Beyond Quantity: Distribution-Aware Labeling for Visual Grounding
di: Zhang, Yichi, et al.
Pubblicazione: (2025)

UAUTrack: Towards Unified Multimodal Anti-UAV Visual Tracking
di: Ren, Qionglin, et al.
Pubblicazione: (2025)

VISCO: Benchmarking Fine-Grained Critique and Correction Towards Self-Improvement in Visual Reasoning
di: Wu, Xueqing, et al.
Pubblicazione: (2024)

OpenGround: Active Cognition-based Reasoning for Open-World 3D Visual Grounding
di: Huang, Wenyuan, et al.
Pubblicazione: (2025)

Fuse after Align: Improving Face-Voice Association Learning via Multimodal Encoder
di: Peng, Chong, et al.
Pubblicazione: (2024)

BARE: Towards Bias-Aware and Reasoning-Enhanced One-Tower Visual Grounding
di: Li, Hongbing, et al.
Pubblicazione: (2026)

Visual Reasoning Tracer: Object-Level Grounded Reasoning Benchmark
di: Yuan, Haobo, et al.
Pubblicazione: (2025)

Fleming-VL: Towards Universal Medical Visual Reasoning with Multimodal LLMs
di: Shu, Yan, et al.
Pubblicazione: (2025)

See It, Say It, Sorted: An Iterative Training-Free Framework for Visually-Grounded Multimodal Reasoning in LVLMs
di: Zhang, Yongchang, et al.
Pubblicazione: (2026)

A Survey on Video Temporal Grounding with Multimodal Large Language Model
di: Wu, Jianlong, et al.
Pubblicazione: (2025)

Unveiling the Cognitive Compass: Theory-of-Mind-Guided Multimodal Emotion Reasoning
di: Luo, Meng, et al.
Pubblicazione: (2026)

Multimodal Latent Reasoning via Hierarchical Visual Cues Injection
di: Zhang, Yiming, et al.
Pubblicazione: (2026)

VIBE: Can a VLM Read the Room?
di: Chakraborty, Tania, et al.
Pubblicazione: (2025)

MIRROR: Multimodal Iterative Reasoning via Reflection on Visual Regions
di: Zhang, Haoyu, et al.
Pubblicazione: (2026)

DocCogito: Aligning Layout Cognition and Step-Level Grounded Reasoning for Document Understanding
di: Wu, Yuchuan, et al.
Pubblicazione: (2026)

REVEAL: Reference-Grounded Reasoning for Multimodal Manipulation Detection
di: Zhou, Jun, et al.
Pubblicazione: (2026)

Grounded Reinforcement Learning for Visual Reasoning
di: Sarch, Gabriel, et al.
Pubblicazione: (2025)

Ground-R1: Incentivizing Grounded Visual Reasoning via Reinforcement Learning
di: Cao, Meng, et al.
Pubblicazione: (2025)

v1: Learning to Point Visual Tokens for Multimodal Grounded Reasoning
di: Chung, Jiwan, et al.
Pubblicazione: (2025)

Towards Visual Discrimination and Reasoning of Real-World Physical Dynamics: Physics-Grounded Anomaly Detection
di: Li, Wenqiao, et al.
Pubblicazione: (2025)

FALCON: Resolving Visual Redundancy and Fragmentation in High-resolution Multimodal Large Language Models via Visual Registers
di: Zhang, Renshan, et al.
Pubblicazione: (2025)

SpaceMind++: Toward Allocentric Cognitive Maps for Spatially Grounded Video MLLMs
di: Gu, Bo, et al.
Pubblicazione: (2026)

Hidden Meanings in Plain Sight: RebusBench for Evaluating Cognitive Visual Reasoning
di: Kasaei, Seyed Amir, et al.
Pubblicazione: (2026)

Multimodal Skeleton-Based Action Representation Learning via Decomposition and Composition
di: Wang, Hongsong, et al.
Pubblicazione: (2025)

EchoFoley: Event-Centric Hierarchical Control for Video Grounded Creative Sound Generation
di: Li, Bingxuan, et al.
Pubblicazione: (2025)

Towards Meta-Cognitive Knowledge Editing for Multimodal LLMs
di: Fan, Zhaoyu, et al.
Pubblicazione: (2025)

Traceable Evidence Enhanced Visual Grounded Reasoning: Evaluation and Methodology
di: Wang, Haochen, et al.
Pubblicazione: (2025)

Cultivating Forensic Reasoning for Generalizable Multimodal Manipulation Detection
di: Zhang, Yuchen, et al.
Pubblicazione: (2026)

Benchmarking Multimodal Mathematical Reasoning with Explicit Visual Dependency
di: Wang, Zhikai, et al.
Pubblicazione: (2025)

RegionReasoner: Region-Grounded Multi-Round Visual Reasoning
di: Sun, Wenfang, et al.
Pubblicazione: (2026)

Towards Visual Grounding: A Survey
di: Xiao, Linhui, et al.
Pubblicazione: (2024)

DeepSketcher: Internalizing Visual Manipulation for Multimodal Reasoning
di: Zhang, Chi, et al.
Pubblicazione: (2025)

Open Vision Reasoner: Transferring Linguistic Cognitive Behavior for Visual Reasoning
di: Wei, Yana, et al.
Pubblicazione: (2025)

TableVista: Benchmarking Multimodal Table Reasoning under Visual and Structural Complexity
di: Yang, Zheyuan, et al.
Pubblicazione: (2026)

EGM: Efficient Visual Grounding Language Models
di: Zhan, Guanqi, et al.
Pubblicazione: (2026)