Buchumschlag

Rethinking Chain-of-Thought Reasoning for Videos

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhong, Yiwu, Hu, Zi-Yuan, Li, Yin, Wang, Liwei
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence Computation and Language Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Beyond Embeddings: The Promise of Visual Table in Visual Reasoning
von: Zhong, Yiwu, et al.
Veröffentlicht: (2024)

Enhancing Temporal Modeling of Video LLMs via Time Gating
von: Hu, Zi-Yuan, et al.
Veröffentlicht: (2024)

AIM: Adaptive Inference of Multi-Modal LLMs via Token Merging and Pruning
von: Zhong, Yiwu, et al.
Veröffentlicht: (2024)

PAVE: Patching and Adapting Video Large Language Models
von: Liu, Zhuoming, et al.
Veröffentlicht: (2025)

Fine-grained Spatiotemporal Grounding on Egocentric Videos
von: Liang, Shuo, et al.
Veröffentlicht: (2025)

Compositional Chain-of-Thought Prompting for Large Multimodal Models
von: Mitra, Chancharik, et al.
Veröffentlicht: (2023)

GeoChain: Multimodal Chain-of-Thought for Geographic Reasoning
von: Yerramilli, Sahiti, et al.
Veröffentlicht: (2025)

TemporalBench: Benchmarking Fine-grained Temporal Understanding for Multimodal Video Models
von: Cai, Mu, et al.
Veröffentlicht: (2024)

ReasoningTrack: Chain-of-Thought Reasoning for Long-term Vision-Language Tracking
von: Wang, Xiao, et al.
Veröffentlicht: (2025)

Video-Skill-CoT: Skill-based Chain-of-Thoughts for Domain-Adaptive Video Reasoning
von: Lee, Daeun, et al.
Veröffentlicht: (2025)

PerceptionComp: A Video Benchmark for Complex Perception-Centric Reasoning
von: Li, Shaoxuan, et al.
Veröffentlicht: (2026)

GeoRC: A Benchmark for Geolocation Reasoning Chains
von: Talreja, Mohit, et al.
Veröffentlicht: (2026)

Mimicking or Reasoning: Rethinking Multi-Modal In-Context Learning in Vision-Language Models
von: Huang, Chengyue, et al.
Veröffentlicht: (2025)

VCR-Bench: A Comprehensive Evaluation Framework for Video Chain-of-Thought Reasoning
von: Qi, Yukun, et al.
Veröffentlicht: (2025)

Multimodal Chain-of-Thought Reasoning in Language Models
von: Zhang, Zhuosheng, et al.
Veröffentlicht: (2023)

Thinking in Frames: How Visual Context and Test-Time Scaling Empower Video Reasoning
von: Li, Chengzu, et al.
Veröffentlicht: (2026)

Rethinking Visual Prompting for Multimodal Large Language Models with External Knowledge
von: Lin, Yuanze, et al.
Veröffentlicht: (2024)

ChainReaction: Causal Chain-Guided Reasoning for Modular and Explainable Causal-Why Video Question Answering
von: Parmar, Paritosh, et al.
Veröffentlicht: (2025)

Interleaving Reasoning for Better Text-to-Image Generation
von: Huang, Wenxuan, et al.
Veröffentlicht: (2025)

Thought Flow Nets: From Single Predictions to Trains of Model Thought
von: Schuff, Hendrik, et al.
Veröffentlicht: (2021)

Interleaved-Modal Chain-of-Thought
von: Gao, Jun, et al.
Veröffentlicht: (2024)

Athena: Enhancing Multimodal Reasoning with Data-efficient Process Reward Models
von: Wang, Shuai, et al.
Veröffentlicht: (2025)

Vision-DeepResearch Benchmark: Rethinking Visual and Textual Search for Multimodal Large Language Models
von: Zeng, Yu, et al.
Veröffentlicht: (2026)

MORSE-500: A Programmatically Controllable Video Benchmark to Stress-Test Multimodal Reasoning
von: Cai, Zikui, et al.
Veröffentlicht: (2025)

Long Grounded Thoughts: Synthesizing Visual Problems and Reasoning Chains at Scale
von: Acuna, David, et al.
Veröffentlicht: (2025)

ReVSeg: Incentivizing the Reasoning Chain for Video Segmentation with Reinforcement Learning
von: Li, Yifan, et al.
Veröffentlicht: (2025)

Vinoground: Scrutinizing LMMs over Dense Temporal Reasoning with Short Videos
von: Zhang, Jianrui, et al.
Veröffentlicht: (2024)

M2-Reasoning: Empowering MLLMs with Unified General and Spatial Reasoning
von: AI, Inclusion, et al.
Veröffentlicht: (2025)

CapsFusion: Rethinking Image-Text Data at Scale
von: Yu, Qiying, et al.
Veröffentlicht: (2023)

VideoEspresso: A Large-Scale Chain-of-Thought Dataset for Fine-Grained Video Reasoning via Core Frame Selection
von: Han, Songhao, et al.
Veröffentlicht: (2024)

A Survey of Reasoning with Foundation Models
von: Sun, Jiankai, et al.
Veröffentlicht: (2023)

MemeMind: A Large-Scale Multimodal Dataset with Chain-of-Thought Reasoning for Harmful Meme Detection
von: Gu, Hexiang, et al.
Veröffentlicht: (2025)

The Best of Both Worlds: Integrating Language Models and Diffusion Models for Video Generation
von: Yin, Aoxiong, et al.
Veröffentlicht: (2025)

RBF++: Quantifying and Optimizing Reasoning Boundaries across Measurable and Unmeasurable Capabilities for Chain-of-Thought Reasoning
von: Chen, Qiguang, et al.
Veröffentlicht: (2025)

MM-Verify: Enhancing Multimodal Reasoning with Chain-of-Thought Verification
von: Sun, Linzhuang, et al.
Veröffentlicht: (2025)

VIR-Bench: Evaluating Geospatial and Temporal Understanding of MLLMs via Travel Video Itinerary Reconstruction
von: Wang, Hao, et al.
Veröffentlicht: (2025)

Medical Reasoning in the Era of LLMs: A Systematic Review of Enhancement Techniques and Applications
von: Wang, Wenxuan, et al.
Veröffentlicht: (2025)

Rethinking Training Dynamics in Scale-wise Autoregressive Generation
von: Zhou, Gengze, et al.
Veröffentlicht: (2025)

Rethinking Genomic Modeling Through Optical Character Recognition
von: Xiang, Hongxin, et al.
Veröffentlicht: (2026)

MME-CoT: Benchmarking Chain-of-Thought in Large Multimodal Models for Reasoning Quality, Robustness, and Efficiency
von: Jiang, Dongzhi, et al.
Veröffentlicht: (2025)