Retrv-R1: A Reasoning-Driven MLLM Framework for Universal and Efficient Multimodal Retrieval
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Zhu, Lanyun, Ji, Deyi, Chen, Tianrun, Wu, Haiyang, Wang, Shiqi |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Not Every Patch is Needed: Towards a More Efficient and Effective Backbone for Video-based Person Re-identification
par: Zhu, Lanyun, et autres
Publié: (2025)
par: Zhu, Lanyun, et autres
Publié: (2025)
POPEN: Preference-Based Optimization and Ensemble for LVLM-Based Reasoning Segmentation
par: Zhu, Lanyun, et autres
Publié: (2025)
par: Zhu, Lanyun, et autres
Publié: (2025)
LLaFS: When Large Language Models Meet Few-Shot Segmentation
par: Zhu, Lanyun, et autres
Publié: (2023)
par: Zhu, Lanyun, et autres
Publié: (2023)
IBD: Alleviating Hallucinations in Large Vision-Language Models via Image-Biased Decoding
par: Zhu, Lanyun, et autres
Publié: (2024)
par: Zhu, Lanyun, et autres
Publié: (2024)
Reasoning Guided Embeddings: Leveraging MLLM Reasoning for Improved Multimodal Retrieval
par: Liu, Chunxu, et autres
Publié: (2025)
par: Liu, Chunxu, et autres
Publié: (2025)
StreamCacheVGGT: Streaming Visual Geometry Transformers with Robust Scoring and Hybrid Cache Compression
par: Liu, Xuanyi, et autres
Publié: (2026)
par: Liu, Xuanyi, et autres
Publié: (2026)
SAM3-Adapter: Efficient Adaptation of Segment Anything 3 for Camouflage Object Segmentation, Shadow Detection, and Medical Image Segmentation
par: Chen, Tianrun, et autres
Publié: (2025)
par: Chen, Tianrun, et autres
Publié: (2025)
Reasoning3D -- Grounding and Reasoning in 3D: Fine-Grained Zero-Shot Open-Vocabulary 3D Reasoning Part Segmentation via Large Vision-Language Models
par: Chen, Tianrun, et autres
Publié: (2024)
par: Chen, Tianrun, et autres
Publié: (2024)
From Air to Wear: Personalized 3D Digital Fashion with AR/VR Immersive 3D Sketching
par: Zang, Ying, et autres
Publié: (2025)
par: Zang, Ying, et autres
Publié: (2025)
xLSTM-UNet can be an Effective 2D & 3D Medical Image Segmentation Backbone with Vision-LSTM (ViL) better than its Mamba Counterpart
par: Chen, Tianrun, et autres
Publié: (2024)
par: Chen, Tianrun, et autres
Publié: (2024)
Breaking the Box: Enhancing Remote Sensing Image Segmentation with Freehand Sketches
par: Zang, Ying, et autres
Publié: (2025)
par: Zang, Ying, et autres
Publié: (2025)
SAM2-Adapter: Evaluating & Adapting Segment Anything 2 in Downstream Tasks: Camouflage, Shadow, Medical Image Segmentation, and More
par: Chen, Tianrun, et autres
Publié: (2024)
par: Chen, Tianrun, et autres
Publié: (2024)
Robust 4D Visual Geometry Transformer with Uncertainty-Aware Priors
par: Zang, Ying, et autres
Publié: (2026)
par: Zang, Ying, et autres
Publié: (2026)
Let Human Sketches Help: Empowering Challenging Image Segmentation Task with Freehand Sketches
par: Zang, Ying, et autres
Publié: (2025)
par: Zang, Ying, et autres
Publié: (2025)
Discrete Latent Perspective Learning for Segmentation and Detection
par: Ji, Deyi, et autres
Publié: (2024)
par: Ji, Deyi, et autres
Publié: (2024)
4DVGGT-D: 4D Visual Geometry Transformer with Improved Dynamic Depth Estimation
par: Zang, Ying, et autres
Publié: (2026)
par: Zang, Ying, et autres
Publié: (2026)
V-Retrver: Evidence-Driven Agentic Reasoning for Universal Multimodal Retrieval
par: Chen, Dongyang, et autres
Publié: (2026)
par: Chen, Dongyang, et autres
Publié: (2026)
StreamSense: Streaming Social Task Detection with Selective Vision-Language Model Routing
par: Wang, Han, et autres
Publié: (2026)
par: Wang, Han, et autres
Publié: (2026)
Video-Zero: Self-Evolution Video Understanding
par: Zhang, Ruixu, et autres
Publié: (2026)
par: Zhang, Ruixu, et autres
Publié: (2026)
HD-VGGT: High-Resolution Visual Geometry Transformer
par: Chen, Tianrun, et autres
Publié: (2026)
par: Chen, Tianrun, et autres
Publié: (2026)
RESMatch: Referring Expression Segmentation in a Semi-Supervised Manner
par: Zang, Ying, et autres
Publié: (2024)
par: Zang, Ying, et autres
Publié: (2024)
When Privacy Meets Recovery: The Overlooked Half of Surrogate-Driven Privacy Preservation for MLLM Editing
par: Xu, Siyuan, et autres
Publié: (2025)
par: Xu, Siyuan, et autres
Publié: (2025)
MLLM-CL: Continual Learning for Multimodal Large Language Models
par: Zhao, Hongbo, et autres
Publié: (2025)
par: Zhao, Hongbo, et autres
Publié: (2025)
FedMLLM: Federated Fine-tuning MLLM on Multimodal Heterogeneity Data
par: Xu, Binqian, et autres
Publié: (2024)
par: Xu, Binqian, et autres
Publié: (2024)
DRIFT: Transferring Reasoning Priors for Efficient MLLM Fine-Tuning
par: Huang, Chao, et autres
Publié: (2025)
par: Huang, Chao, et autres
Publié: (2025)
Saliency-R1: Incentivizing Unified Saliency Reasoning Capability in MLLM with Confidence-Guided Reinforcement Learning
par: Li, Long, et autres
Publié: (2025)
par: Li, Long, et autres
Publié: (2025)
CAD-MLLM: Unifying Multimodality-Conditioned CAD Generation With MLLM
par: Xu, Jingwei, et autres
Publié: (2024)
par: Xu, Jingwei, et autres
Publié: (2024)
The Evolution of Video Anomaly Detection: A Unified Framework from DNN to MLLM
par: Gao, Shibo, et autres
Publié: (2025)
par: Gao, Shibo, et autres
Publié: (2025)
Syllables to Scenes: Literary-Guided Free-Viewpoint 3D Scene Synthesis from Japanese Haiku
par: Yu, Chunan, et autres
Publié: (2025)
par: Yu, Chunan, et autres
Publié: (2025)
TRACE: Task-Adaptive Reasoning and Representation Learning for Universal Multimodal Retrieval
par: Hao, Xiangzhao, et autres
Publié: (2026)
par: Hao, Xiangzhao, et autres
Publié: (2026)
EE-MLLM: A Data-Efficient and Compute-Efficient Multimodal Large Language Model
par: Ma, Feipeng, et autres
Publié: (2024)
par: Ma, Feipeng, et autres
Publié: (2024)
Unveiling Fine-Grained Visual Traces: Evaluating Multimodal Interleaved Reasoning Chains in Multimodal STEM Tasks
par: Jin, Jing, et autres
Publié: (2026)
par: Jin, Jing, et autres
Publié: (2026)
View-Centric Multi-Object Tracking with Homographic Matching in Moving UAV
par: Ji, Deyi, et autres
Publié: (2024)
par: Ji, Deyi, et autres
Publié: (2024)
Cantor: Inspiring Multimodal Chain-of-Thought of MLLM
par: Gao, Timin, et autres
Publié: (2024)
par: Gao, Timin, et autres
Publié: (2024)
Proactive Reasoning-with-Retrieval Framework for Medical Multimodal Large Language Models
par: Wang, Lehan, et autres
Publié: (2025)
par: Wang, Lehan, et autres
Publié: (2025)
ControlMLLM: Training-Free Visual Prompt Learning for Multimodal Large Language Models
par: Wu, Mingrui, et autres
Publié: (2024)
par: Wu, Mingrui, et autres
Publié: (2024)
MIRAGE: Assessing Hallucination in Multimodal Reasoning Chains of MLLM
par: Dong, Bowen, et autres
Publié: (2025)
par: Dong, Bowen, et autres
Publié: (2025)
Efficient Motion-Aware Video MLLM
par: Zhao, Zijia, et autres
Publié: (2025)
par: Zhao, Zijia, et autres
Publié: (2025)
MLLM-For3D: Adapting Multimodal Large Language Model for 3D Reasoning Segmentation
par: Huang, Jiaxin, et autres
Publié: (2025)
par: Huang, Jiaxin, et autres
Publié: (2025)
RAVEN: Robust Advertisement Video Violation Temporal Grounding via Reinforcement Reasoning
par: Ji, Deyi, et autres
Publié: (2025)
par: Ji, Deyi, et autres
Publié: (2025)
Documents similaires
-
Not Every Patch is Needed: Towards a More Efficient and Effective Backbone for Video-based Person Re-identification
par: Zhu, Lanyun, et autres
Publié: (2025) -
POPEN: Preference-Based Optimization and Ensemble for LVLM-Based Reasoning Segmentation
par: Zhu, Lanyun, et autres
Publié: (2025) -
LLaFS: When Large Language Models Meet Few-Shot Segmentation
par: Zhu, Lanyun, et autres
Publié: (2023) -
IBD: Alleviating Hallucinations in Large Vision-Language Models via Image-Biased Decoding
par: Zhu, Lanyun, et autres
Publié: (2024) -
Reasoning Guided Embeddings: Leveraging MLLM Reasoning for Improved Multimodal Retrieval
par: Liu, Chunxu, et autres
Publié: (2025)