Buchumschlag

VQ-VA World: Towards High-Quality Visual Question-Visual Answering

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Gou, Chenhui, Chen, Zilong, Wang, Zeyu, Li, Feng, Zhu, Deyao, Duan, Zicheng, Li, Kunchang, Deng, Chaorui, Yuan, Hongyi, Fan, Haoqi, Xie, Cihang, Cai, Jianfei, Rezatofighi, Hamid
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

LightFusion: A Light-weighted, Double Fusion Framework for Unified Multimodal Understanding and Generation
von: Wang, Zeyu, et al.
Veröffentlicht: (2025)

Causal Diffusion Transformers for Generative Modeling
von: Deng, Chaorui, et al.
Veröffentlicht: (2024)

An Empirical Study on How Video-LLMs Answer Video Questions
von: Gou, Chenhui, et al.
Veröffentlicht: (2025)

How Well Can Vision Language Models See Image Details?
von: Gou, Chenhui, et al.
Veröffentlicht: (2024)

Emerging Properties in Unified Multimodal Pretraining
von: Deng, Chaorui, et al.
Veröffentlicht: (2025)

DrVideo: Document Retrieval Based Long Video Understanding
von: Ma, Ziyu, et al.
Veröffentlicht: (2024)

JRDB-PanoTrack: An Open-world Panoptic Segmentation and Tracking Robotic Dataset in Crowded Human Environments
von: Le, Duy-Tho, et al.
Veröffentlicht: (2024)

VQA$^2$: Visual Question Answering for Video Quality Assessment
von: Jia, Ziheng, et al.
Veröffentlicht: (2024)

GeReA: Question-Aware Prompt Captions for Knowledge-based Visual Question Answering
von: Ma, Ziyu, et al.
Veröffentlicht: (2024)

VIHD: Visual Intervention-based Hallucination Detection for Medical Visual Question Answering
von: Chen, Jiayi, et al.
Veröffentlicht: (2026)

When Visualizing is the First Step to Reasoning: MIRA, a Benchmark for Visual Chain-of-Thought
von: Zhou, Yiyang, et al.
Veröffentlicht: (2025)

SUPQA: LLM‐based Geo‐Visualization for Subjective Urban Performance Question‐Answering
von: Haiwen Huang, et al.
Veröffentlicht: (2025)

ViM-VQ: Efficient Post-Training Vector Quantization for Visual Mamba
von: Deng, Juncan, et al.
Veröffentlicht: (2025)

Marginalized Generalized IoU (MGIoU): A Unified Objective Function for Optimizing Any Convex Parametric Shapes
von: Le, Duy-Tho, et al.
Veröffentlicht: (2025)

DifFUSER: Diffusion Model for Robust Multi-Sensor Fusion in 3D Object Detection and BEV Segmentation
von: Le, Duy-Tho, et al.
Veröffentlicht: (2024)

JRDB-Reasoning: A Difficulty-Graded Benchmark for Visual Reasoning in Robotics
von: Jahangard, Simindokht, et al.
Veröffentlicht: (2025)

ASAP-Textured Gaussians: Enhancing Textured Gaussians with Adaptive Sampling and Anisotropic Parameterization
von: Wei, Meng, et al.
Veröffentlicht: (2025)

Normal-GS: 3D Gaussian Splatting with Normal-Involved Rendering
von: Wei, Meng, et al.
Veröffentlicht: (2024)

Mobile-VideoGPT: Fast and Accurate Model for Mobile Video Understanding
von: Shaker, Abdelrahman, et al.
Veröffentlicht: (2025)

Goal-Oriented Semantic Communication for Wireless Visual Question Answering
von: Liu, Sige, et al.
Veröffentlicht: (2024)

OWLViz: An Open-World Benchmark for Visual Question Answering
von: Nguyen, Thuy, et al.
Veröffentlicht: (2025)

Enhanced Multimodal RAG-LLM for Accurate Visual Question Answering
von: Xue, Junxiao, et al.
Veröffentlicht: (2024)

LiveWorld: Simulating Out-of-Sight Dynamics in Generative Video World Models
von: Duan, Zicheng, et al.
Veröffentlicht: (2026)

Questioning the Stability of Visual Question Answering
von: Rosenfeld, Amir, et al.
Veröffentlicht: (2025)

A Multi-Modal Neuro-Symbolic Approach for Spatial Reasoning-Based Visual Grounding in Robotics
von: Jahangard, Simindokht, et al.
Veröffentlicht: (2025)

Multimodal Rationales for Explainable Visual Question Answering
von: Li, Kun, et al.
Veröffentlicht: (2024)

Step-CoT: Stepwise Visual Chain-of-Thought for Medical Visual Question Answering
von: Fan, Lin, et al.
Veröffentlicht: (2026)

HYDRA: A Hyper Agent for Dynamic Compositional Visual Reasoning
von: Ke, Fucai, et al.
Veröffentlicht: (2024)

Multi-Sourced Compositional Generalization in Visual Question Answering
von: Li, Chuanhao, et al.
Veröffentlicht: (2025)

Object Attribute Matters in Visual Question Answering
von: Li, Peize, et al.
Veröffentlicht: (2023)

Selectively Answering Visual Questions
von: Eisenschlos, Julian Martin, et al.
Veröffentlicht: (2024)

Exploring Diverse Methods in Visual Question Answering
von: Li, Panfeng, et al.
Veröffentlicht: (2024)

Improving Visual Perception of a Social Robot for Controlled and In-the-wild Human-robot Interaction
von: Zhong, Wangjie, et al.
Veröffentlicht: (2024)

Improving Few-Shot Change Detection Visual Question Answering via Decision-Ambiguity-guided Reinforcement Fine-Tuning
von: Dong, Fuyu, et al.
Veröffentlicht: (2025)

Visually Interpretable Subtask Reasoning for Visual Question Answering
von: Cheng, Yu, et al.
Veröffentlicht: (2025)

Targeted Visual Prompting for Medical Visual Question Answering
von: Tascon-Morales, Sergio, et al.
Veröffentlicht: (2024)

Visual Robustness Benchmark for Visual Question Answering (VQA)
von: Ishmam, Md Farhan, et al.
Veröffentlicht: (2024)

Computed Tomography Visual Question Answering with Cross-modal Feature Graphing
von: Tian, Yuanhe, et al.
Veröffentlicht: (2025)

Object Retrieval for Visual Question Answering with Outside Knowledge
von: Kan, Shichao, et al.
Veröffentlicht: (2024)

DriveLM: Driving with Graph Visual Question Answering
von: Sima, Chonghao, et al.
Veröffentlicht: (2023)