Buchumschlag

Enhancing Visual Programming for Visual Reasoning via Probabilistic Graphs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wan, Wentao, Wu, Kaiyu, Ma, Qingyang, Kang, Nan, Chen, Yunjie, Lin, Liang, Wang, Keze
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

A Stepwise Distillation Learning Strategy for Non-differentiable Visual Programming Frameworks on Visual Reasoning Tasks
von: Wan, Wentao, et al.
Veröffentlicht: (2023)

Towards Top-Down Reasoning: An Explainable Multi-Agent Approach for Visual Question Answering
von: Wang, Zeqing, et al.
Veröffentlicht: (2023)

Is this Generated Person Existed in Real-world? Fine-grained Detecting and Calibrating Abnormal Human-body
von: Wang, Zeqing, et al.
Veröffentlicht: (2024)

Weather-R1: Logically Consistent Reinforcement Fine-Tuning for Multimodal Reasoning in Meteorology
von: Wu, Kaiyu, et al.
Veröffentlicht: (2026)

Adaptive-VoCo: Complexity-Aware Visual Token Compression for Vision-Language Models
von: Guo, Xiaoyang, et al.
Veröffentlicht: (2025)

Exploiting Temporal Audio-Visual Correlation Embedding for Audio-Driven One-Shot Talking Head Animation
von: Xu, Zhihua, et al.
Veröffentlicht: (2025)

ResAgent: Entropy-based Prior Point Discovery and Visual Reasoning for Referring Expression Segmentation
von: Wang, Yihao, et al.
Veröffentlicht: (2026)

SeCG: Semantic-Enhanced 3D Visual Grounding via Cross-modal Graph Attention
von: Xiao, Feng, et al.
Veröffentlicht: (2024)

Self-Rewarded Multimodal Coherent Reasoning Across Diverse Visual Domains
von: Zhang, Jesen, et al.
Veröffentlicht: (2025)

VisualQuest: A Benchmark for Abstract Visual Reasoning in MLLMs
von: Xiao, Kelaiti, et al.
Veröffentlicht: (2025)

MM-CoT:A Benchmark for Probing Visual Chain-of-Thought Reasoning in Multimodal Models
von: Zhang, Jusheng, et al.
Veröffentlicht: (2025)

ViRC: Enhancing Visual Interleaved Mathematical CoT with Reason Chunking
von: Wang, Lihong, et al.
Veröffentlicht: (2025)

Omni-o3: Deep Nested Omnimodal Deduction for Deliberative Audio-Visual Reasoning
von: Zhang, Zhicheng, et al.
Veröffentlicht: (2026)

Triage: Hierarchical Visual Budgeting for Efficient Video Reasoning in Vision-Language Models
von: Wang, Anmin, et al.
Veröffentlicht: (2026)

ClawMachine: Learning to Fetch Visual Tokens for Referential Comprehension
von: Ma, Tianren, et al.
Veröffentlicht: (2024)

Mimic Human Cognition, Master Multi-Image Reasoning: A Meta-Action Framework for Enhanced Visual Understanding
von: Yin, Jianghao, et al.
Veröffentlicht: (2026)

Improving Network Interpretability via Explanation Consistency Evaluation
von: Wu, Hefeng, et al.
Veröffentlicht: (2024)

VisualQuality-R1: Reasoning-Induced Image Quality Assessment via Reinforcement Learning to Rank
von: Wu, Tianhe, et al.
Veröffentlicht: (2025)

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

Start Small, Think Big: Curriculum-based Relative Policy Optimization for Visual Grounding
von: Yan, Qingyang, et al.
Veröffentlicht: (2025)

Robust Egocentric Referring Video Object Segmentation via Dual-Modal Causal Intervention
von: Liu, Haijing, et al.
Veröffentlicht: (2025)

Selftok: Discrete Visual Tokens of Autoregression, by Diffusion, and for Reasoning
von: Wang, Bohan, et al.
Veröffentlicht: (2025)

CoLVR: Enhancing Exploratory Latent Visual Reasoning via Contrastive Optimization
von: Ding, Ziyang, et al.
Veröffentlicht: (2026)

LatentOmni: Rethinking Omni-Modal Understanding via Unified Audio-Visual Latent Reasoning
von: Dai, Yifan, et al.
Veröffentlicht: (2026)

SQLNet: Scale-Modulated Query and Localization Network for Few-Shot Class-Agnostic Counting
von: Wu, Hefeng, et al.
Veröffentlicht: (2023)

DART: Dual Adaptive Refinement Transfer for Open-Vocabulary Multi-Label Recognition
von: Liu, Haijing, et al.
Veröffentlicht: (2025)

Category-Adaptive Cross-Modal Semantic Refinement and Transfer for Open-Vocabulary Multi-Label Recognition
von: Liu, Haijing, et al.
Veröffentlicht: (2024)

VGR: Visual Grounded Reasoning
von: Wang, Jiacong, et al.
Veröffentlicht: (2025)

Latent Visual Reasoning
von: Li, Bangzheng, et al.
Veröffentlicht: (2025)

FlashVLM: Text-Guided Visual Token Selection for Large Multimodal Models
von: Cai, Kaitong, et al.
Veröffentlicht: (2025)

Multi-Step Visual Reasoning with Visual Tokens Scaling and Verification
von: Bai, Tianyi, et al.
Veröffentlicht: (2025)

TCFormer: Visual Recognition via Token Clustering Transformer
von: Zeng, Wang, et al.
Veröffentlicht: (2024)

Enhancing Spatial Reasoning through Visual and Textual Thinking
von: Liang, Xun, et al.
Veröffentlicht: (2025)

Large Language Models are Universal Reasoners for Visual Generation
von: Ren, Sucheng, et al.
Veröffentlicht: (2026)

Breaking Dual Bottlenecks: Evolving Unified Multimodal Models into Self-Adaptive Interleaved Visual Reasoners
von: Liu, Qingyang, et al.
Veröffentlicht: (2026)

MLAE: Masked LoRA Experts for Visual Parameter-Efficient Fine-Tuning
von: Wang, Junjie, et al.
Veröffentlicht: (2024)

Probabilistic Concept Graph Reasoning for Multimodal Misinformation Detection
von: Yang, Ruichao, et al.
Veröffentlicht: (2026)

ProSAM: Enhancing the Robustness of SAM-based Visual Reference Segmentation with Probabilistic Prompts
von: Wang, Xiaoqi, et al.
Veröffentlicht: (2025)

LASAR: Towards Spatio-temporal Reasoning with Latent Cognitive Map
von: Tang, Jinzhou, et al.
Veröffentlicht: (2026)

VITRIX-CLIPIN: Enhancing Fine-Grained Visual Understanding in CLIP via Instruction Editing Data and Long Captions
von: Wang, Ziteng, et al.
Veröffentlicht: (2025)