Buchumschlag

ARC Is a Vision Problem!

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hu, Keya, Cy, Ali, Qiu, Linlu, Ding, Xiaoman Delores, Wang, Runqian, Zhu, Yeyin Eva, Andreas, Jacob, He, Kaiming
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Diffuse and Disperse: Image Generation with Representation Regularization
von: Wang, Runqian, et al.
Veröffentlicht: (2025)

Equilibrium Matching: Generative Modeling with Implicit Energy-Based Models
von: Wang, Runqian, et al.
Veröffentlicht: (2025)

Video-based Vehicle Surveillance in the Wild: License Plate, Make, and Model Recognition with Self Reflective Vision-Language Models
von: Parsa, Pouya, et al.
Veröffentlicht: (2025)

Think Visually, Reason Textually: Vision-Language Synergy in ARC
von: Zhang, Beichen, et al.
Veröffentlicht: (2025)

Bongards at the Boundary of Perception and Reasoning: Programs or Language?
von: Langenfeld, Cassidy, et al.
Veröffentlicht: (2026)

3DReasonKnee: Advancing Grounded Reasoning in Medical Vision Language Models
von: Sambara, Sraavya, et al.
Veröffentlicht: (2025)

ELF: Embedded Language Flows
von: Hu, Keya, et al.
Veröffentlicht: (2026)

Does Visual Information Play a Decisive Role in Vision-Language-Action Model Driving Behavior?
von: He, Jingtao, et al.
Veröffentlicht: (2026)

Surface Vision Mamba: Leveraging Bidirectional State Space Model for Efficient Spherical Manifold Representation
von: He, Rongzhao, et al.
Veröffentlicht: (2025)

Large Vision Models Can Solve Mental Rotation Problems
von: Mason, Sebastian Ray, et al.
Veröffentlicht: (2025)

Image Generators are Generalist Vision Learners
von: Gabeur, Valentin, et al.
Veröffentlicht: (2026)

Diffusion-Based Offline RL for Improved Decision-Making in Augmented ARC Task
von: Kim, Yunho, et al.
Veröffentlicht: (2024)

ReXSonoVQA: A Video QA Benchmark for Procedure-Centric Ultrasound Understanding
von: Wang, Xucheng, et al.
Veröffentlicht: (2026)

Nested-TNT: Hierarchical Vision Transformers with Multi-Scale Feature Processing
von: Liu, Yuang, et al.
Veröffentlicht: (2024)

LPT: Less-overfitting Prompt Tuning for Vision-Language Model
von: Ding, Chenhao, et al.
Veröffentlicht: (2024)

Gate-and-Merge: Zero-shot Compositional Personalization of Vision Language Models
von: Ding, Guodong, et al.
Veröffentlicht: (2026)

Vision-Language Models in Remote Sensing: Current Progress and Future Trends
von: Li, Xiang, et al.
Veröffentlicht: (2023)

How Modality Shapes Perception and Reasoning: A Study of Error Propagation in ARC-AGI
von: Wen, Bo, et al.
Veröffentlicht: (2025)

Binary Verification for Zero-Shot Vision
von: Hu, Rongbin, et al.
Veröffentlicht: (2025)

Visible Yet Unreadable: A Systematic Blind Spot of Vision Language Models Across Writing Systems
von: Zhang, Jie, et al.
Veröffentlicht: (2025)

Vision Language Model-Empowered Contract Theory for AIGC Task Allocation in Teleoperation
von: Zhan, Zijun, et al.
Veröffentlicht: (2024)

Remodeling Semantic Relationships in Vision-Language Fine-Tuning
von: Wu, Xiangyang, et al.
Veröffentlicht: (2025)

Explanation-Driven Counterfactual Testing for Faithfulness in Vision-Language Model Explanations
von: Ding, Sihao, et al.
Veröffentlicht: (2025)

Subspace Alignment for Vision-Language Model Test-time Adaptation
von: Zeng, Zhichen, et al.
Veröffentlicht: (2026)

When Visuals Aren't the Problem: Evaluating Vision-Language Models on Misleading Data Visualizations
von: Lalai, Harsh Nishant, et al.
Veröffentlicht: (2026)

Transfer Learning Applied to Computer Vision Problems: Survey on Current Progress, Limitations, and Opportunities
von: Panda, Aaryan, et al.
Veröffentlicht: (2024)

Unsupervised Training of Vision Transformers with Synthetic Negatives
von: Giakoumoglou, Nikolaos, et al.
Veröffentlicht: (2025)

Transformers without Normalization
von: Zhu, Jiachen, et al.
Veröffentlicht: (2025)

B-VLLM: A Vision Large Language Model with Balanced Spatio-Temporal Tokens
von: Lu, Zhuqiang, et al.
Veröffentlicht: (2024)

Structured Labeling Enables Faster Vision-Language Models for End-to-End Autonomous Driving
von: Jiang, Hao, et al.
Veröffentlicht: (2025)

ReasonEdit: Editing Vision-Language Models using Human Reasoning
von: Qiu, Jiaxing, et al.
Veröffentlicht: (2026)

Line of Sight: On Linear Representations in VLLMs
von: Rajaram, Achyuta, et al.
Veröffentlicht: (2025)

ROCKET: Residual-Oriented Multi-Layer Alignment for Spatially-Aware Vision-Language-Action Models
von: Sun, Guoheng, et al.
Veröffentlicht: (2026)

From Fewer Samples to Fewer Bits: Reframing Dataset Distillation as Joint Optimization of Precision and Compactness
von: Dinh, My H., et al.
Veröffentlicht: (2026)

Adversarial Prompt Tuning for Vision-Language Models
von: Zhang, Jiaming, et al.
Veröffentlicht: (2023)

Investigating Redundancy in Multimodal Large Language Models with Multiple Vision Encoders
von: Wang, Yizhou, et al.
Veröffentlicht: (2025)

Template-Guided Reconstruction of Pulmonary Segments with Neural Implicit Functions
von: Xie, Kangxian, et al.
Veröffentlicht: (2025)

(1D) Ordered Tokens Enable Efficient Test-Time Search
von: Gao, Zhitong, et al.
Veröffentlicht: (2026)

Animate Your Thoughts: Decoupled Reconstruction of Dynamic Natural Vision from Slow Brain Activity
von: Lu, Yizhuo, et al.
Veröffentlicht: (2024)

Weierstrass Positional Encoding for Vision Transformers
von: Xin, Zhihang, et al.
Veröffentlicht: (2026)