Enregistré dans:
| Auteurs principaux: | Yue, Jingtong, Huang, Ziqi, Chen, Zhaoxi, Wang, Xintao, Wan, Pengfei, Liu, Ziwei |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | https://arxiv.org/abs/2511.08585 |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
How Far are AI-generated Videos from Simulating the 3D Visual World: A Learned 3D Evaluation Approach
par: Chang, Chirui, et autres
Publié: (2024)
par: Chang, Chirui, et autres
Publié: (2024)
Evaluation Agent: Efficient and Promptable Evaluation Framework for Visual Generative Models
par: Zhang, Fan, et autres
Publié: (2024)
par: Zhang, Fan, et autres
Publié: (2024)
Towards Visual Discrimination and Reasoning of Real-World Physical Dynamics: Physics-Grounded Anomaly Detection
par: Li, Wenqiao, et autres
Publié: (2025)
par: Li, Wenqiao, et autres
Publié: (2025)
Flow-GRPO: Training Flow Matching Models via Online RL
par: Liu, Jie, et autres
Publié: (2025)
par: Liu, Jie, et autres
Publié: (2025)
Unsupervised Multi-View Visual Anomaly Detection via Progressive Homography-Guided Alignment
par: Chen, Xintao, et autres
Publié: (2025)
par: Chen, Xintao, et autres
Publié: (2025)
RealDPO: Real or Not Real, that is the Preference
par: Cheng, Guo, et autres
Publié: (2025)
par: Cheng, Guo, et autres
Publié: (2025)
Latent Diffusion Model without Variational Autoencoder
par: Shi, Minglei, et autres
Publié: (2025)
par: Shi, Minglei, et autres
Publié: (2025)
Cut2Next: Generating Next Shot via In-Context Tuning
par: He, Jingwen, et autres
Publié: (2025)
par: He, Jingwen, et autres
Publié: (2025)
Out of Sight but Not Out of Mind: Hybrid Memory for Dynamic Video World Models
par: Chen, Kaijin, et autres
Publié: (2026)
par: Chen, Kaijin, et autres
Publié: (2026)
Coarse-Guided Visual Generation via Weighted h-Transform Sampling
par: Wang, Yanghao, et autres
Publié: (2026)
par: Wang, Yanghao, et autres
Publié: (2026)
On Large Visual Language Models for Medical Imaging Analysis: An Empirical Study
par: Van, Minh-Hao, et autres
Publié: (2024)
par: Van, Minh-Hao, et autres
Publié: (2024)
Scaling Image and Video Generation via Test-Time Evolutionary Search
par: He, Haoran, et autres
Publié: (2025)
par: He, Haoran, et autres
Publié: (2025)
Any2Caption:Interpreting Any Condition to Caption for Controllable Video Generation
par: Wu, Shengqiong, et autres
Publié: (2025)
par: Wu, Shengqiong, et autres
Publié: (2025)
CoVis: A Collaborative Framework for Fine-grained Graphic Visual Understanding
par: Deng, Xiaoyu, et autres
Publié: (2024)
par: Deng, Xiaoyu, et autres
Publié: (2024)
Benchmarking and Analyzing Generative Data for Visual Recognition
par: Li, Bo, et autres
Publié: (2023)
par: Li, Bo, et autres
Publié: (2023)
Monet: Reasoning in Latent Visual Space Beyond Images and Language
par: Wang, Qixun, et autres
Publié: (2025)
par: Wang, Qixun, et autres
Publié: (2025)
A Comprehensive Review on Artificial Intelligence Empowered Solutions for Enhancing Pedestrian and Cyclist Safety
par: Zhang, Shucheng, et autres
Publié: (2025)
par: Zhang, Shucheng, et autres
Publié: (2025)
Terra: Explorable Native 3D World Model with Point Latents
par: Huang, Yuanhui, et autres
Publié: (2025)
par: Huang, Yuanhui, et autres
Publié: (2025)
Sim2Real-AD: A Modular Sim-to-Real Framework for Deploying VLM-Guided Reinforcement Learning in Real-World Autonomous Driving
par: Huang, Zilin, et autres
Publié: (2026)
par: Huang, Zilin, et autres
Publié: (2026)
MVU-Eval: Towards Multi-Video Understanding Evaluation for Multimodal LLMs
par: Peng, Tianhao, et autres
Publié: (2025)
par: Peng, Tianhao, et autres
Publié: (2025)
A Mechanistic View on Video Generation as World Models: State and Dynamics
par: Wang, Luozhou, et autres
Publié: (2026)
par: Wang, Luozhou, et autres
Publié: (2026)
GARDO: Reinforcing Diffusion Models without Reward Hacking
par: He, Haoran, et autres
Publié: (2025)
par: He, Haoran, et autres
Publié: (2025)
Feedforward 3D Editing via Text-Steerable Image-to-3D
par: Ma, Ziqi, et autres
Publié: (2025)
par: Ma, Ziqi, et autres
Publié: (2025)
Aligning Neuronal Coding of Dynamic Visual Scenes with Foundation Vision Models
par: Wu, Rining, et autres
Publié: (2024)
par: Wu, Rining, et autres
Publié: (2024)
iWorld-Bench: A Benchmark for Interactive World Models with a Unified Action Generation Framework
par: Fang, Jianjie, et autres
Publié: (2026)
par: Fang, Jianjie, et autres
Publié: (2026)
StrLoRA: Towards Streaming Continual Visual Instruction Tuning for MLLMs
par: Che, Chang, et autres
Publié: (2026)
par: Che, Chang, et autres
Publié: (2026)
Harnessing Artificial Intelligence for Wildlife Conservation
par: Fergus, Paul, et autres
Publié: (2024)
par: Fergus, Paul, et autres
Publié: (2024)
MicroVerse: A Preliminary Exploration Toward a Micro-World Simulation
par: Wang, Rongsheng, et autres
Publié: (2026)
par: Wang, Rongsheng, et autres
Publié: (2026)
Foundation Models -- A Panacea for Artificial Intelligence in Pathology?
par: Mulliqi, Nita, et autres
Publié: (2025)
par: Mulliqi, Nita, et autres
Publié: (2025)
SciEGQA: A Dataset for Scientific Evidence-Grounded Question Answering and Reasoning
par: Yu, Wenhan, et autres
Publié: (2025)
par: Yu, Wenhan, et autres
Publié: (2025)
Language-Conditioned World Modeling for Visual Navigation
par: Dong, Yifei, et autres
Publié: (2026)
par: Dong, Yifei, et autres
Publié: (2026)
RICO: Improving Accuracy and Completeness in Image Recaptioning via Visual Reconstruction
par: Wang, Yuchi, et autres
Publié: (2025)
par: Wang, Yuchi, et autres
Publié: (2025)
Beyond Surface Artifacts: Capturing Shared Latent Forgery Knowledge Across Modalities
par: Dou, Jingtong, et autres
Publié: (2026)
par: Dou, Jingtong, et autres
Publié: (2026)
DiffMoE: Dynamic Token Selection for Scalable Diffusion Transformers
par: Shi, Minglei, et autres
Publié: (2025)
par: Shi, Minglei, et autres
Publié: (2025)
SMoLoRA: Exploring and Defying Dual Catastrophic Forgetting in Continual Visual Instruction Tuning
par: Wang, Ziqi, et autres
Publié: (2024)
par: Wang, Ziqi, et autres
Publié: (2024)
Surgical-LVLM: Learning to Adapt Large Vision-Language Model for Grounded Visual Question Answering in Robotic Surgery
par: Wang, Guankun, et autres
Publié: (2024)
par: Wang, Guankun, et autres
Publié: (2024)
Where are we in the search for an Artificial Visual Cortex for Embodied Intelligence?
par: Majumdar, Arjun, et autres
Publié: (2023)
par: Majumdar, Arjun, et autres
Publié: (2023)
Kinema4D: Kinematic 4D World Modeling for Spatiotemporal Embodied Simulation
par: Xu, Mutian, et autres
Publié: (2026)
par: Xu, Mutian, et autres
Publié: (2026)
Foundations and Architectures of Artificial Intelligence for Motor Insurance
par: Panboonyuen, Teerapong
Publié: (2026)
par: Panboonyuen, Teerapong
Publié: (2026)
CLIPDrag: Combining Text-based and Drag-based Instructions for Image Editing
par: Jiang, Ziqi, et autres
Publié: (2024)
par: Jiang, Ziqi, et autres
Publié: (2024)
Documents similaires
-
How Far are AI-generated Videos from Simulating the 3D Visual World: A Learned 3D Evaluation Approach
par: Chang, Chirui, et autres
Publié: (2024) -
Evaluation Agent: Efficient and Promptable Evaluation Framework for Visual Generative Models
par: Zhang, Fan, et autres
Publié: (2024) -
Towards Visual Discrimination and Reasoning of Real-World Physical Dynamics: Physics-Grounded Anomaly Detection
par: Li, Wenqiao, et autres
Publié: (2025) -
Flow-GRPO: Training Flow Matching Models via Online RL
par: Liu, Jie, et autres
Publié: (2025) -
Unsupervised Multi-View Visual Anomaly Detection via Progressive Homography-Guided Alignment
par: Chen, Xintao, et autres
Publié: (2025)