Salvato in:
| Autori principali: | Wang, Kaishen, Chen, Ruibo, Zheng, Tong, Huang, Heng |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2025
|
| Soggetti: | |
| Accesso online: | https://arxiv.org/abs/2511.11483 |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Unsafe by Reciprocity: How Generation-Understanding Coupling Undermines Safety in Unified Multimodal Models
di: Wang, Kaishen, et al.
Pubblicazione: (2026)
di: Wang, Kaishen, et al.
Pubblicazione: (2026)
Seg-Agent: Test-Time Multimodal Reasoning for Training-Free Language-Guided Segmentation
di: Hao, Chao, et al.
Pubblicazione: (2026)
di: Hao, Chao, et al.
Pubblicazione: (2026)
METAL: A Multi-Agent Framework for Chart Generation with Test-Time Scaling
di: Li, Bingxuan, et al.
Pubblicazione: (2025)
di: Li, Bingxuan, et al.
Pubblicazione: (2025)
UniShield: An Adaptive Multi-Agent Framework for Unified Forgery Image Detection and Localization
di: Huang, Qing, et al.
Pubblicazione: (2025)
di: Huang, Qing, et al.
Pubblicazione: (2025)
GenPilot: A Multi-Agent System for Test-Time Prompt Optimization in Image Generation
di: Ye, Wen, et al.
Pubblicazione: (2025)
di: Ye, Wen, et al.
Pubblicazione: (2025)
Visual Document Understanding and Reasoning: A Multi-Agent Collaboration Framework with Agent-Wise Adaptive Test-Time Scaling
di: Yu, Xinlei, et al.
Pubblicazione: (2025)
di: Yu, Xinlei, et al.
Pubblicazione: (2025)
A Unified and General Framework for Continual Learning
di: Wang, Zhenyi, et al.
Pubblicazione: (2024)
di: Wang, Zhenyi, et al.
Pubblicazione: (2024)
Check Field Detection Agent (CFD-Agent) using Multimodal Large Language and Vision Language Models
di: Halder, Sourav, et al.
Pubblicazione: (2025)
di: Halder, Sourav, et al.
Pubblicazione: (2025)
MSRAMIE: Multimodal Structured Reasoning Agent for Multi-instruction Image Editing
di: Qiu, Zhaoyuan, et al.
Pubblicazione: (2026)
di: Qiu, Zhaoyuan, et al.
Pubblicazione: (2026)
VGA-Bench: A Unified Benchmark and Multi-Model Framework for Video Aesthetics and Generation Quality Evaluation
di: Jiang, Longteng, et al.
Pubblicazione: (2026)
di: Jiang, Longteng, et al.
Pubblicazione: (2026)
RelayFormer: A Unified Local-Global Attention Framework for Scalable Image and Video Manipulation Localization
di: Huang, Wen, et al.
Pubblicazione: (2025)
di: Huang, Wen, et al.
Pubblicazione: (2025)
OmniGen: Unified Image Generation
di: Xiao, Shitao, et al.
Pubblicazione: (2024)
di: Xiao, Shitao, et al.
Pubblicazione: (2024)
Lemon: A Unified and Scalable 3D Multimodal Model for Universal Spatial Understanding
di: Liang, Yongyuan, et al.
Pubblicazione: (2025)
di: Liang, Yongyuan, et al.
Pubblicazione: (2025)
FuseUNet: A Multi-Scale Feature Fusion Method for U-like Networks
di: He, Quansong, et al.
Pubblicazione: (2025)
di: He, Quansong, et al.
Pubblicazione: (2025)
MILR: Improving Multimodal Image Generation via Test-Time Latent Reasoning
di: Mi, Yapeng, et al.
Pubblicazione: (2025)
di: Mi, Yapeng, et al.
Pubblicazione: (2025)
RestoreAgent: Autonomous Image Restoration Agent via Multimodal Large Language Models
di: Chen, Haoyu, et al.
Pubblicazione: (2024)
di: Chen, Haoyu, et al.
Pubblicazione: (2024)
TokenFlow: Unified Image Tokenizer for Multimodal Understanding and Generation
di: Qu, Liao, et al.
Pubblicazione: (2024)
di: Qu, Liao, et al.
Pubblicazione: (2024)
MM-WebAgent: A Hierarchical Multimodal Web Agent for Webpage Generation
di: Li, Yan, et al.
Pubblicazione: (2026)
di: Li, Yan, et al.
Pubblicazione: (2026)
SemHiTok: A Unified Image Tokenizer via Semantic-Guided Hierarchical Codebook for Multimodal Understanding and Generation
di: Chen, Zisheng, et al.
Pubblicazione: (2025)
di: Chen, Zisheng, et al.
Pubblicazione: (2025)
Enhancing Multimodal Unified Representations for Cross Modal Generalization
di: Huang, Hai, et al.
Pubblicazione: (2024)
di: Huang, Hai, et al.
Pubblicazione: (2024)
3D-Agent:Tri-Modal Multi-Agent Collaboration for Scalable 3D Object Annotation
di: Zhang, Jusheng, et al.
Pubblicazione: (2026)
di: Zhang, Jusheng, et al.
Pubblicazione: (2026)
WebForge: Breaking the Realism-Reproducibility-Scalability Trilemma in Browser Agent Benchmark
di: Yuan, Peng, et al.
Pubblicazione: (2026)
di: Yuan, Peng, et al.
Pubblicazione: (2026)
UniPose: A Unified Multimodal Framework for Human Pose Comprehension, Generation and Editing
di: Li, Yiheng, et al.
Pubblicazione: (2024)
di: Li, Yiheng, et al.
Pubblicazione: (2024)
DiffusionAgent: Navigating Expert Models for Agentic Image Generation
di: Qin, Jie, et al.
Pubblicazione: (2024)
di: Qin, Jie, et al.
Pubblicazione: (2024)
CoAgent: Collaborative Planning and Consistency Agent for Coherent Video Generation
di: Zeng, Qinglin, et al.
Pubblicazione: (2025)
di: Zeng, Qinglin, et al.
Pubblicazione: (2025)
How Long Can Unified Multimodal Models Generate Images Reliably? Taming Long-Horizon Interleaved Image Generation via Context Curation
di: Chen, Haoyu, et al.
Pubblicazione: (2026)
di: Chen, Haoyu, et al.
Pubblicazione: (2026)
Semantic Generative Tuning for Unified Multimodal Models
di: Yu, Songsong, et al.
Pubblicazione: (2026)
di: Yu, Songsong, et al.
Pubblicazione: (2026)
DeepGen 1.0: A Lightweight Unified Multimodal Model for Advancing Image Generation and Editing
di: Wang, Dianyi, et al.
Pubblicazione: (2026)
di: Wang, Dianyi, et al.
Pubblicazione: (2026)
UniEval: Unified Holistic Evaluation for Unified Multimodal Understanding and Generation
di: Li, Yi, et al.
Pubblicazione: (2025)
di: Li, Yi, et al.
Pubblicazione: (2025)
Lumina-OmniLV: A Unified Multimodal Framework for General Low-Level Vision
di: Pu, Yuandong, et al.
Pubblicazione: (2025)
di: Pu, Yuandong, et al.
Pubblicazione: (2025)
Multi-Agent Image Restoration
di: Jiang, Xu, et al.
Pubblicazione: (2025)
di: Jiang, Xu, et al.
Pubblicazione: (2025)
See-Control: A Multimodal Agent Framework for Smartphone Interaction with a Robotic Arm
di: Zhao, Haoyu, et al.
Pubblicazione: (2025)
di: Zhao, Haoyu, et al.
Pubblicazione: (2025)
CiQi-Agent: Aligning Vision, Tools and Aesthetics in Multimodal Agent for Cultural Reasoning on Chinese Porcelains
di: Wang, Wenhan, et al.
Pubblicazione: (2026)
di: Wang, Wenhan, et al.
Pubblicazione: (2026)
UniT: Unified Multimodal Chain-of-Thought Test-time Scaling
di: Chen, Leon Liangyu, et al.
Pubblicazione: (2026)
di: Chen, Leon Liangyu, et al.
Pubblicazione: (2026)
UP-VLA: A Unified Understanding and Prediction Model for Embodied Agent
di: Zhang, Jianke, et al.
Pubblicazione: (2025)
di: Zhang, Jianke, et al.
Pubblicazione: (2025)
Large Multimodal Agents: A Survey
di: Xie, Junlin, et al.
Pubblicazione: (2024)
di: Xie, Junlin, et al.
Pubblicazione: (2024)
DiMSUM: Diffusion Mamba -- A Scalable and Unified Spatial-Frequency Method for Image Generation
di: Phung, Hao, et al.
Pubblicazione: (2024)
di: Phung, Hao, et al.
Pubblicazione: (2024)
Discrete Diffusion Models with MLLMs for Unified Medical Multimodal Generation
di: Mao, Jiawei, et al.
Pubblicazione: (2025)
di: Mao, Jiawei, et al.
Pubblicazione: (2025)
OmniCorpus: A Unified Multimodal Corpus of 10 Billion-Level Images Interleaved with Text
di: Li, Qingyun, et al.
Pubblicazione: (2024)
di: Li, Qingyun, et al.
Pubblicazione: (2024)
Evaluation Agent: Efficient and Promptable Evaluation Framework for Visual Generative Models
di: Zhang, Fan, et al.
Pubblicazione: (2024)
di: Zhang, Fan, et al.
Pubblicazione: (2024)
Documenti analoghi
-
Unsafe by Reciprocity: How Generation-Understanding Coupling Undermines Safety in Unified Multimodal Models
di: Wang, Kaishen, et al.
Pubblicazione: (2026) -
Seg-Agent: Test-Time Multimodal Reasoning for Training-Free Language-Guided Segmentation
di: Hao, Chao, et al.
Pubblicazione: (2026) -
METAL: A Multi-Agent Framework for Chart Generation with Test-Time Scaling
di: Li, Bingxuan, et al.
Pubblicazione: (2025) -
UniShield: An Adaptive Multi-Agent Framework for Unified Forgery Image Detection and Localization
di: Huang, Qing, et al.
Pubblicazione: (2025) -
GenPilot: A Multi-Agent System for Test-Time Prompt Optimization in Image Generation
di: Ye, Wen, et al.
Pubblicazione: (2025)