Spatial Reasoning with Vision-Language Models in Ego-Centric Multi-View Scenes
Fuente:
arXiv
Salvato in:
| Autori principali: | Gholami, Mohsen, Rezaei, Ahmad, Weimin, Zhou, Mao, Sitong, Zhou, Shunbo, Zhang, Yong, Akbari, Mohammad |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2025
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
CPPO: Contrastive Perception Policy Optimization for VLM Agents
di: Rezaei, Ahmad, et al.
Pubblicazione: (2026)
di: Rezaei, Ahmad, et al.
Pubblicazione: (2026)
CASP: Compression of Large Multimodal Models Based on Attention Sparsity
di: Gholami, Mohsen, et al.
Pubblicazione: (2025)
di: Gholami, Mohsen, et al.
Pubblicazione: (2025)
Omni-Scene: Omni-Gaussian Representation for Ego-Centric Sparse-View Scene Reconstruction
di: Wei, Dongxu, et al.
Pubblicazione: (2024)
di: Wei, Dongxu, et al.
Pubblicazione: (2024)
Seeing Across Views: Benchmarking Spatial Reasoning of Vision-Language Models in Robotic Scenes
di: Feng, Zhiyuan, et al.
Pubblicazione: (2025)
di: Feng, Zhiyuan, et al.
Pubblicazione: (2025)
NuScenes-SpatialQA: A Spatial Understanding and Reasoning Benchmark for Vision-Language Models in Autonomous Driving
di: Tian, Kexin, et al.
Pubblicazione: (2025)
di: Tian, Kexin, et al.
Pubblicazione: (2025)
Dual-Attention Frequency Fusion at Multi-Scale for Joint Segmentation and Deformable Medical Image Registration
di: Zhou, Hongchao, et al.
Pubblicazione: (2024)
di: Zhou, Hongchao, et al.
Pubblicazione: (2024)
TopViewRS: Vision-Language Models as Top-View Spatial Reasoners
di: Li, Chengzu, et al.
Pubblicazione: (2024)
di: Li, Chengzu, et al.
Pubblicazione: (2024)
LaWa: Using Latent Space for In-Generation Image Watermarking
di: Rezaei, Ahmad, et al.
Pubblicazione: (2024)
di: Rezaei, Ahmad, et al.
Pubblicazione: (2024)
EgoMotion: Hierarchical Reasoning and Diffusion for Egocentric Vision-Language Motion Generation
di: Hou, Ruibing, et al.
Pubblicazione: (2026)
di: Hou, Ruibing, et al.
Pubblicazione: (2026)
DenseGrounding: Improving Dense Language-Vision Semantics for Ego-Centric 3D Visual Grounding
di: Zheng, Henry, et al.
Pubblicazione: (2025)
di: Zheng, Henry, et al.
Pubblicazione: (2025)
Understanding Dynamic Scenes in Ego Centric 4D Point Clouds
di: Huang, Junsheng, et al.
Pubblicazione: (2025)
di: Huang, Junsheng, et al.
Pubblicazione: (2025)
Deformable Image Registration with Multi-scale Feature Fusion from Shared Encoder, Auxiliary and Pyramid Decoders
di: Zhou, Hongchao, et al.
Pubblicazione: (2024)
di: Zhou, Hongchao, et al.
Pubblicazione: (2024)
MultiEgo: A Multi-View Egocentric Video Dataset for 4D Scene Reconstruction
di: Li, Bate, et al.
Pubblicazione: (2025)
di: Li, Bate, et al.
Pubblicazione: (2025)
Ego-InBetween: Generating Object State Transitions in Ego-Centric Videos
di: Ge, Mengmeng, et al.
Pubblicazione: (2026)
di: Ge, Mengmeng, et al.
Pubblicazione: (2026)
View-on-Graph: Zero-shot 3D Visual Grounding via Vision-Language Reasoning on Scene Graphs
di: Liu, Yuanyuan, et al.
Pubblicazione: (2025)
di: Liu, Yuanyuan, et al.
Pubblicazione: (2025)
Scale Disparity of Instances in Interactive Point Cloud Segmentation
di: Han, Chenrui, et al.
Pubblicazione: (2024)
di: Han, Chenrui, et al.
Pubblicazione: (2024)
Seeing Beyond the Scene: Enhancing Vision-Language Models with Interactional Reasoning
di: Liang, Dayong, et al.
Pubblicazione: (2025)
di: Liang, Dayong, et al.
Pubblicazione: (2025)
GEM: A Generalizable Ego-Vision Multimodal World Model for Fine-Grained Ego-Motion, Object Dynamics, and Scene Composition Control
di: Hassan, Mariam, et al.
Pubblicazione: (2024)
di: Hassan, Mariam, et al.
Pubblicazione: (2024)
MultihopSpatial: Multi-hop Compositional Spatial Reasoning Benchmark for Vision-Language Model
di: Lee, Youngwan, et al.
Pubblicazione: (2026)
di: Lee, Youngwan, et al.
Pubblicazione: (2026)
PanopticSplatting: End-to-End Panoptic Gaussian Splatting
di: Xie, Yuxuan, et al.
Pubblicazione: (2025)
di: Xie, Yuxuan, et al.
Pubblicazione: (2025)
PanopticRecon: Leverage Open-vocabulary Instance Segmentation for Zero-shot Panoptic Reconstruction
di: Yu, Xuan, et al.
Pubblicazione: (2024)
di: Yu, Xuan, et al.
Pubblicazione: (2024)
CausalSpatial: A Benchmark for Object-Centric Causal Spatial Reasoning
di: Ma, Wenxin, et al.
Pubblicazione: (2026)
di: Ma, Wenxin, et al.
Pubblicazione: (2026)
EgoDyn-Bench: Evaluating Ego-Motion Understanding in Vision-Centric Foundation Models for Autonomous Driving
di: Schäfer, Finn Rasmus, et al.
Pubblicazione: (2026)
di: Schäfer, Finn Rasmus, et al.
Pubblicazione: (2026)
EgoIntrospect: An Egocentric Dataset and Benchmark for User-Centric Internal State Reasoning
di: Wang, Zeyu, et al.
Pubblicazione: (2026)
di: Wang, Zeyu, et al.
Pubblicazione: (2026)
Ego to World: Collaborative Spatial Reasoning in Embodied Systems via Reinforcement Learning
di: Zhou, Heng, et al.
Pubblicazione: (2026)
di: Zhou, Heng, et al.
Pubblicazione: (2026)
Learning to Reason in 4D: Dynamic Spatial Understanding for Vision Language Models
di: Zhou, Shengchao, et al.
Pubblicazione: (2025)
di: Zhou, Shengchao, et al.
Pubblicazione: (2025)
Discrete Diffusion VLA: Bringing Discrete Diffusion to Action Decoding in Vision-Language-Action Policies
di: Liang, Zhixuan, et al.
Pubblicazione: (2025)
di: Liang, Zhixuan, et al.
Pubblicazione: (2025)
ST-Think: How Multimodal Large Language Models Reason About 4D Worlds from Ego-Centric Videos
di: Wu, Peiran, et al.
Pubblicazione: (2025)
di: Wu, Peiran, et al.
Pubblicazione: (2025)
3D Scene Change Modeling With Consistent Multi-View Aggregation
di: Zhou, Zirui, et al.
Pubblicazione: (2025)
di: Zhou, Zirui, et al.
Pubblicazione: (2025)
3ViewSense: Spatial and Mental Perspective Reasoning from Orthographic Views in Vision-Language Models
di: Zhan, Shaoxiong, et al.
Pubblicazione: (2026)
di: Zhan, Shaoxiong, et al.
Pubblicazione: (2026)
SpatialRGPT: Grounded Spatial Reasoning in Vision Language Models
di: Cheng, An-Chieh, et al.
Pubblicazione: (2024)
di: Cheng, An-Chieh, et al.
Pubblicazione: (2024)
Vision-Language Models as Differentiable Semantic and Spatial Rewards for Text-to-3D Generation
di: Bai, Weimin, et al.
Pubblicazione: (2025)
di: Bai, Weimin, et al.
Pubblicazione: (2025)
Spatial Reasoning in Foundation Models: Benchmarking Object-Centric Spatial Understanding
di: Mirjalili, Vahid, et al.
Pubblicazione: (2025)
di: Mirjalili, Vahid, et al.
Pubblicazione: (2025)
ObjectRelator: Enabling Cross-View Object Relation Understanding Across Ego-Centric and Exo-Centric Perspectives
di: Fu, Yuqian, et al.
Pubblicazione: (2024)
di: Fu, Yuqian, et al.
Pubblicazione: (2024)
GeoReasoner: Geo-localization with Reasoning in Street Views using a Large Vision-Language Model
di: Li, Ling, et al.
Pubblicazione: (2024)
di: Li, Ling, et al.
Pubblicazione: (2024)
Pedestrian Intention Prediction via Vision-Language Foundation Models
di: Azarmi, Mohsen, et al.
Pubblicazione: (2025)
di: Azarmi, Mohsen, et al.
Pubblicazione: (2025)
EgoExOR: An Ego-Exo-Centric Operating Room Dataset for Surgical Activity Understanding
di: Özsoy, Ege, et al.
Pubblicazione: (2025)
di: Özsoy, Ege, et al.
Pubblicazione: (2025)
Learning Multi-View Spatial Reasoning from Cross-View Relations
di: Jeong, Suchae, et al.
Pubblicazione: (2026)
di: Jeong, Suchae, et al.
Pubblicazione: (2026)
Know Your Neighbors: Improving Single-View Reconstruction via Spatial Vision-Language Reasoning
di: Li, Rui, et al.
Pubblicazione: (2024)
di: Li, Rui, et al.
Pubblicazione: (2024)
SPFFNet: Strip Perception and Feature Fusion Spatial Pyramid Pooling for Fabric Defect Detection
di: Zhao, Peizhe, et al.
Pubblicazione: (2025)
di: Zhao, Peizhe, et al.
Pubblicazione: (2025)
Documenti analoghi
-
CPPO: Contrastive Perception Policy Optimization for VLM Agents
di: Rezaei, Ahmad, et al.
Pubblicazione: (2026) -
CASP: Compression of Large Multimodal Models Based on Attention Sparsity
di: Gholami, Mohsen, et al.
Pubblicazione: (2025) -
Omni-Scene: Omni-Gaussian Representation for Ego-Centric Sparse-View Scene Reconstruction
di: Wei, Dongxu, et al.
Pubblicazione: (2024) -
Seeing Across Views: Benchmarking Spatial Reasoning of Vision-Language Models in Robotic Scenes
di: Feng, Zhiyuan, et al.
Pubblicazione: (2025) -
NuScenes-SpatialQA: A Spatial Understanding and Reasoning Benchmark for Vision-Language Models in Autonomous Driving
di: Tian, Kexin, et al.
Pubblicazione: (2025)