Buchumschlag

VideoAnchor: Reinforcing Subspace-Structured Visual Cues for Coherent Visual-Spatial Reasoning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Zhaozhi, Zhang, Tong, Guo, Mingyue, Wang, Yaowei, Ye, Qixiang
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Mixture of Physical Priors Adapter for Parameter-Efficient Fine-Tuning
von: Wang, Zhaozhi, et al.
Veröffentlicht: (2024)

Building Vision Models upon Heat Conduction
von: Wang, Zhaozhi, et al.
Veröffentlicht: (2024)

Virtual Classification: Modulating Domain-Specific Knowledge for Multidomain Crowd Counting
von: Guo, Mingyue, et al.
Veröffentlicht: (2024)

Regressor-Segmenter Mutual Prompt Learning for Crowd Counting
von: Guo, Mingyue, et al.
Veröffentlicht: (2023)

From Indoor to Open World: Revealing the Spatial Reasoning Gap in MLLMs
von: Wu, Mingrui, et al.
Veröffentlicht: (2025)

VMamba: Visual State Space Model
von: Liu, Yue, et al.
Veröffentlicht: (2024)

VRR-QA: Visual Relational Reasoning in Videos Beyond Explicit Cues
von: Swetha, Sirnam, et al.
Veröffentlicht: (2025)

RS-vHeat: Heat Conduction Guided Efficient Remote Sensing Foundation Model
von: Hu, Huiyang, et al.
Veröffentlicht: (2024)

StoryImager: A Unified and Efficient Framework for Coherent Story Visualization and Completion
von: Tao, Ming, et al.
Veröffentlicht: (2024)

See Further, Think Deeper: Advancing VLM's Reasoning Ability with Low-level Visual Cues and Reflection
von: Wu, Zhiheng, et al.
Veröffentlicht: (2026)

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

InViC: Intent-aware Visual Cues for Medical Visual Question Answering
von: Wang, Zhisong, et al.
Veröffentlicht: (2026)

PatchCue: Enhancing Vision-Language Model Reasoning with Patch-Based Visual Cues
von: Qi, Yukun, et al.
Veröffentlicht: (2026)

BEV$^2$PR: BEV-Enhanced Visual Place Recognition with Structural Cues
von: Ge, Fudong, et al.
Veröffentlicht: (2024)

ReDDiT: Rehashing Noise for Discrete Visual Generation
von: Ma, Tianren, et al.
Veröffentlicht: (2025)

Neurons: Emulating the Human Visual Cortex Improves Fidelity and Interpretability in fMRI-to-Video Reconstruction
von: Wang, Haonan, et al.
Veröffentlicht: (2025)

MME-CoF-Pro: Evaluating Reasoning Coherence in Video Generative Models with Text and Visual Hints
von: Qi, Yu, et al.
Veröffentlicht: (2026)

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

Reflection Anchors for Propagation-Aware Visual Retention in Long-Chain Multimodal Reasoning
von: Gong, Xuan, et al.
Veröffentlicht: (2026)

Video-R4: Reinforcing Text-Rich Video Reasoning with Visual Rumination
von: Tang, Yolo Y., et al.
Veröffentlicht: (2025)

ClawMachine: Learning to Fetch Visual Tokens for Referential Comprehension
von: Ma, Tianren, et al.
Veröffentlicht: (2024)

TagFog: Textual Anchor Guidance and Fake Outlier Generation for Visual Out-of-Distribution Detection
von: Chen, Jiankang, et al.
Veröffentlicht: (2024)

Towards Visual Grounding: A Survey
von: Xiao, Linhui, et al.
Veröffentlicht: (2024)

Reinforcing Multimodal Reasoning Against Visual Degradation
von: Liu, Rui, et al.
Veröffentlicht: (2026)

Video-ToC: Video Tree-of-Cue Reasoning
von: Tan, Qizhong, et al.
Veröffentlicht: (2026)

VideoChat-R1.5: Visual Test-Time Scaling to Reinforce Multimodal Reasoning by Iterative Perception
von: Yan, Ziang, et al.
Veröffentlicht: (2025)

Enhancing Spatial Reasoning through Visual and Textual Thinking
von: Liang, Xun, et al.
Veröffentlicht: (2025)

CC-Diff: Enhancing Contextual Coherence in Remote Sensing Image Synthesis
von: Zhang, Mu, et al.
Veröffentlicht: (2024)

Enhancing Vision-Language Tracking by Effectively Converting Textual Cues into Visual Cues
von: Feng, X., et al.
Veröffentlicht: (2024)

Spatial Understanding from Videos: Structured Prompts Meet Simulation Data
von: Zhang, Haoyu, et al.
Veröffentlicht: (2025)

pySpatial: Generating 3D Visual Programs for Zero-Shot Spatial Reasoning
von: Luo, Zhanpeng, et al.
Veröffentlicht: (2026)

Reinforcing Spatial Reasoning in Vision-Language Models with Interwoven Thinking and Visual Drawing
von: Wu, Junfei, et al.
Veröffentlicht: (2025)

Visual Reasoning through Tool-supervised Reinforcement Learning
von: Dong, Qihua, et al.
Veröffentlicht: (2026)

Beyond Visual Cues: Leveraging General Semantics as Support for Few-Shot Segmentation
von: Wang, Jin, et al.
Veröffentlicht: (2025)

Beyond Text-Visual Attention: Exploiting Visual Cues for Effective Token Pruning in VLMs
von: Zhang, Qizhe, et al.
Veröffentlicht: (2024)

Video-R1: Reinforcing Video Reasoning in MLLMs
von: Feng, Kaituo, et al.
Veröffentlicht: (2025)

Structure Over Scale: Learning Visual Reasoning from Pedagogical Video
von: Galoaa, Bishoy, et al.
Veröffentlicht: (2026)

SpaceVista: All-Scale Visual Spatial Reasoning from mm to km
von: Sun, Peiwen, et al.
Veröffentlicht: (2025)

Triage: Hierarchical Visual Budgeting for Efficient Video Reasoning in Vision-Language Models
von: Wang, Anmin, et al.
Veröffentlicht: (2026)

NoisyRollout: Reinforcing Visual Reasoning with Data Augmentation
von: Liu, Xiangyan, et al.
Veröffentlicht: (2025)