Pursuing Minimal Sufficiency in Spatial Reasoning
Fuente:
arXiv
Salvato in:
| Autori principali: | Guo, Yejie, Hou, Yunzhong, Ma, Wufei, Tang, Meng, Yang, Ming-Hsuan |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2025
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Spatial457: A Diagnostic Benchmark for 6D Spatial Reasoning of Large Multimodal Models
di: Wang, Xingrui, et al.
Pubblicazione: (2025)
di: Wang, Xingrui, et al.
Pubblicazione: (2025)
SUNY: A Visual Interpretation Framework for Convolutional Neural Networks from a Necessary and Sufficient Perspective
di: Xuan, Xiwei, et al.
Pubblicazione: (2023)
di: Xuan, Xiwei, et al.
Pubblicazione: (2023)
Extreme Amodal Face Detection
di: Song, Changlin, et al.
Pubblicazione: (2025)
di: Song, Changlin, et al.
Pubblicazione: (2025)
SUMI-IFL: An Information-Theoretic Framework for Image Forgery Localization with Sufficiency and Minimality Constraints
di: Sheng, Ziqi, et al.
Pubblicazione: (2024)
di: Sheng, Ziqi, et al.
Pubblicazione: (2024)
Pursuing Better Decision Boundaries for Long-Tailed Object Detection via Category Information Amount
di: Ma, Yanbiao, et al.
Pubblicazione: (2025)
di: Ma, Yanbiao, et al.
Pubblicazione: (2025)
Learning Spatial-Semantic Features for Robust Video Object Segmentation
di: Li, Xin, et al.
Pubblicazione: (2024)
di: Li, Xin, et al.
Pubblicazione: (2024)
LAST: Leveraging Tools as Hints to Enhance Spatial Reasoning for Multimodal Large Language Models
di: Tian, Shi-Yu, et al.
Pubblicazione: (2026)
di: Tian, Shi-Yu, et al.
Pubblicazione: (2026)
Compositional 4D Dynamic Scenes Understanding with Physics Priors for Video Question Answering
di: Wang, Xingrui, et al.
Pubblicazione: (2024)
di: Wang, Xingrui, et al.
Pubblicazione: (2024)
Attention in Space: Functional Roles of VLM Heads for Spatial Reasoning
di: Ma, Xueqi, et al.
Pubblicazione: (2026)
di: Ma, Xueqi, et al.
Pubblicazione: (2026)
Mamba-CAD: State Space Model For 3D Computer-Aided Design Generative Modeling
di: Li, Xueyang, et al.
Pubblicazione: (2026)
di: Li, Xueyang, et al.
Pubblicazione: (2026)
M$^3$-VOS: Multi-Phase, Multi-Transition, and Multi-Scenery Video Object Segmentation
di: Chen, Zixuan, et al.
Pubblicazione: (2024)
di: Chen, Zixuan, et al.
Pubblicazione: (2024)
Enhancing Spatial Reasoning through Visual and Textual Thinking
di: Liang, Xun, et al.
Pubblicazione: (2025)
di: Liang, Xun, et al.
Pubblicazione: (2025)
Beyond Seeing: Evaluating Multimodal LLMs on Tool-Enabled Image Perception, Transformation, and Reasoning
di: Guo, Xingang, et al.
Pubblicazione: (2025)
di: Guo, Xingang, et al.
Pubblicazione: (2025)
Seek-CAD: A Self-refined Generative Modeling for 3D Parametric CAD Using Local Inference via DeepSeek
di: Li, Xueyang, et al.
Pubblicazione: (2025)
di: Li, Xueyang, et al.
Pubblicazione: (2025)
An Empirical Analysis on Spatial Reasoning Capabilities of Large Multimodal Models
di: Shiri, Fatemeh, et al.
Pubblicazione: (2024)
di: Shiri, Fatemeh, et al.
Pubblicazione: (2024)
ResAgent: Entropy-based Prior Point Discovery and Visual Reasoning for Referring Expression Segmentation
di: Wang, Yihao, et al.
Pubblicazione: (2026)
di: Wang, Yihao, et al.
Pubblicazione: (2026)
MRFD: Multi-Region Fusion Decoding with Self-Consistency for Mitigating Hallucinations in LVLMs
di: Ge, Haonan, et al.
Pubblicazione: (2025)
di: Ge, Haonan, et al.
Pubblicazione: (2025)
ViSRA: A Video-based Spatial Reasoning Agent for Multi-modal Large Language Models
di: Mou, Tingshu, et al.
Pubblicazione: (2026)
di: Mou, Tingshu, et al.
Pubblicazione: (2026)
Geometrically-Constrained Agent for Spatial Reasoning
di: Chen, Zeren, et al.
Pubblicazione: (2025)
di: Chen, Zeren, et al.
Pubblicazione: (2025)
Make Geometry Matter for Spatial Reasoning
di: Zhang, Shihua, et al.
Pubblicazione: (2026)
di: Zhang, Shihua, et al.
Pubblicazione: (2026)
Is A Picture Worth A Thousand Words? Delving Into Spatial Reasoning for Vision Language Models
di: Wang, Jiayu, et al.
Pubblicazione: (2024)
di: Wang, Jiayu, et al.
Pubblicazione: (2024)
Spatial Policy: Guiding Visuomotor Robotic Manipulation with Spatial-Aware Modeling and Reasoning
di: Liu, Yijun, et al.
Pubblicazione: (2025)
di: Liu, Yijun, et al.
Pubblicazione: (2025)
MetaSpatial: Reinforcing 3D Spatial Reasoning in VLMs for the Metaverse
di: Pan, Zhenyu, et al.
Pubblicazione: (2025)
di: Pan, Zhenyu, 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)
Edit3r: Instant 3D Scene Editing from Sparse Unposed Images
di: Liu, Jiageng, et al.
Pubblicazione: (2025)
di: Liu, Jiageng, et al.
Pubblicazione: (2025)
Understand, Think, and Answer: Advancing Visual Reasoning with Large Multimodal Models
di: Zhan, Yufei, et al.
Pubblicazione: (2025)
di: Zhan, Yufei, et al.
Pubblicazione: (2025)
Sufficient, Necessary and Complete Causal Explanations in Image Classification
di: Kelly, David A, et al.
Pubblicazione: (2025)
di: Kelly, David A, et al.
Pubblicazione: (2025)
VISOR: VIsual Spatial Object Reasoning for Language-driven Object Navigation
di: Taioli, Francesco, et al.
Pubblicazione: (2026)
di: Taioli, Francesco, et al.
Pubblicazione: (2026)
Chain-of-Look Spatial Reasoning for Dense Surgical Instrument Counting
di: Bhyri, Rishikesh, et al.
Pubblicazione: (2026)
di: Bhyri, Rishikesh, et al.
Pubblicazione: (2026)
Minimal Sufficient Views: A DNN model making predictions with more evidence has higher accuracy
di: Kawano, Keisuke, et al.
Pubblicazione: (2024)
di: Kawano, Keisuke, et al.
Pubblicazione: (2024)
Probing the effectiveness of World Models for Spatial Reasoning through Test-time Scaling
di: Jha, Saurav, et al.
Pubblicazione: (2025)
di: Jha, Saurav, et al.
Pubblicazione: (2025)
CamReasoner: Reinforcing Camera Movement Understanding via Structured Spatial Reasoning
di: Wu, Hang, et al.
Pubblicazione: (2026)
di: Wu, Hang, et al.
Pubblicazione: (2026)
PAS: A Training-Free Stabilizer for Temporal Encoding in Video LLMs
di: Sun, Bowen, et al.
Pubblicazione: (2025)
di: Sun, Bowen, et al.
Pubblicazione: (2025)
EarthSpatialBench: Benchmarking Spatial Reasoning Capabilities of Multimodal LLMs on Earth Imagery
di: Xu, Zelin, et al.
Pubblicazione: (2026)
di: Xu, Zelin, et al.
Pubblicazione: (2026)
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)
Improved Visual-Spatial Reasoning via R1-Zero-Like Training
di: Liao, Zhenyi, et al.
Pubblicazione: (2025)
di: Liao, Zhenyi, et al.
Pubblicazione: (2025)
How to Enable LLM with 3D Capacity? A Survey of Spatial Reasoning in LLM
di: Zha, Jirong, et al.
Pubblicazione: (2025)
di: Zha, Jirong, et al.
Pubblicazione: (2025)
SpatialReasoner: Towards Explicit and Generalizable 3D Spatial Reasoning
di: Ma, Wufei, et al.
Pubblicazione: (2025)
di: Ma, Wufei, et al.
Pubblicazione: (2025)
Reasoning under Vision: Understanding Visual-Spatial Cognition in Vision-Language Models for CAPTCHA
di: Song, Python, et al.
Pubblicazione: (2025)
di: Song, Python, et al.
Pubblicazione: (2025)
Limits of Spatial Imagery Reasoning in Frontier LLM Models
di: Hayashi, Sergio Y., et al.
Pubblicazione: (2026)
di: Hayashi, Sergio Y., et al.
Pubblicazione: (2026)
Documenti analoghi
-
Spatial457: A Diagnostic Benchmark for 6D Spatial Reasoning of Large Multimodal Models
di: Wang, Xingrui, et al.
Pubblicazione: (2025) -
SUNY: A Visual Interpretation Framework for Convolutional Neural Networks from a Necessary and Sufficient Perspective
di: Xuan, Xiwei, et al.
Pubblicazione: (2023) -
Extreme Amodal Face Detection
di: Song, Changlin, et al.
Pubblicazione: (2025) -
SUMI-IFL: An Information-Theoretic Framework for Image Forgery Localization with Sufficiency and Minimality Constraints
di: Sheng, Ziqi, et al.
Pubblicazione: (2024) -
Pursuing Better Decision Boundaries for Long-Tailed Object Detection via Category Information Amount
di: Ma, Yanbiao, et al.
Pubblicazione: (2025)