PixelArena: A benchmark for Pixel-Precision Visual Intelligence

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liang, Feng, Cheng, Sizhe, Yi, Chenqi, Wang, Yong
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

UniPixel: Unified Object Referring and Segmentation for Pixel-Level Visual Reasoning
von: Liu, Ye, et al.
Veröffentlicht: (2025)

PixelPrune: Pixel-Level Adaptive Visual Token Reduction via Predictive Coding
von: Wang, Nan, et al.
Veröffentlicht: (2026)

Not All Pixels Are Equal: Pixel-wise Meta-Learning for Medical Segmentation with Noisy Labels
von: Mu, Chenyu, et al.
Veröffentlicht: (2025)

PixelGen: Improving Pixel Diffusion with Perceptual Supervision
von: Ma, Zehong, et al.
Veröffentlicht: (2026)

Grasp Any Region: Towards Precise, Contextual Pixel Understanding for Multimodal LLMs
von: Wang, Haochen, et al.
Veröffentlicht: (2025)

MedReasoner: Reinforcement Learning Drives Reasoning Grounding from Clinical Thought to Pixel-Level Precision
von: Yan, Zhonghao, et al.
Veröffentlicht: (2025)

From Pixels to Tokens: Byte-Pair Encoding on Quantized Visual Modalities
von: Zhang, Wanpeng, et al.
Veröffentlicht: (2024)

Pixel Reasoner: Incentivizing Pixel-Space Reasoning with Curiosity-Driven Reinforcement Learning
von: Wang, Haozhe, et al.
Veröffentlicht: (2025)

SPARROW: Learning Spatial Precision and Temporal Referential Consistency in Pixel-Grounded Video MLLMs
von: Alansari, Mohamad, et al.
Veröffentlicht: (2026)

Beyond Pixels: Visual Metaphor Transfer via Schema-Driven Agentic Reasoning
von: Xu, Yu, et al.
Veröffentlicht: (2026)

Can LLMs See Without Pixels? Benchmarking Spatial Intelligence from Textual Descriptions
von: Guo, Zhongbin, et al.
Veröffentlicht: (2026)

Single-Pixel Vision-Language Model for Intrinsic Privacy-Preserving Behavioral Intelligence
von: An, Hongjun, et al.
Veröffentlicht: (2026)

From Skeletons to Pixels: Few-Shot Precise Event Spotting via Representation and Prediction Distillation
von: Yeoh, Zhong Han Ervin, et al.
Veröffentlicht: (2026)

Reasoning with Pixel-level Precision: QVLM Architecture and SQuID Dataset for Quantitative Geospatial Analytics
von: Massih, Peter A., et al.
Veröffentlicht: (2026)

Cycle Pixel Difference Network for Crisp Edge Detection
von: Liu, Changsong, et al.
Veröffentlicht: (2024)

PixelMan: Consistent Object Editing with Diffusion Models via Pixel Manipulation and Generation
von: Jiang, Liyao, et al.
Veröffentlicht: (2024)

PixelSmile: Toward Fine-Grained Facial Expression Editing
von: Hua, Jiabin, et al.
Veröffentlicht: (2026)

Chain of Evidence: Pixel-Level Visual Attribution for Iterative Retrieval-Augmented Generation
von: Liu, Peiyang, et al.
Veröffentlicht: (2026)

PixelWeb: The First Web GUI Dataset with Pixel-Wise Labels
von: Yang, Qi, et al.
Veröffentlicht: (2025)

Pixelis: Reasoning in Pixels, from Seeing to Acting
von: Zhou, Yunpeng
Veröffentlicht: (2026)

Pixel-Grounded Retrieval for Knowledgeable Large Multimodal Models
von: Kim, Jeonghwan, et al.
Veröffentlicht: (2026)

IBISAgent: Reinforcing Pixel-Level Visual Reasoning in MLLMs for Universal Biomedical Object Referring and Segmentation
von: Jiang, Yankai, et al.
Veröffentlicht: (2026)

Imbalanced Medical Image Segmentation with Pixel-dependent Noisy Labels
von: Guo, Erjian, et al.
Veröffentlicht: (2025)

From Pixels to Components: Eigenvector Masking for Visual Representation Learning
von: Bizeul, Alice, et al.
Veröffentlicht: (2025)

Towards Efficient Pixel Labeling for Industrial Anomaly Detection and Localization
von: Wu, Jingqi, et al.
Veröffentlicht: (2025)

Lattice Boltzmann Model for Learning Real-World Pixel Dynamicity
von: Zheng, Guangze, et al.
Veröffentlicht: (2025)

Pixel-Aligned Multi-View Generation with Depth Guided Decoder
von: Tang, Zhenggang, et al.
Veröffentlicht: (2024)

L2P: Unlocking Latent Potential for Pixel Generation
von: Chen, Zhennan, et al.
Veröffentlicht: (2026)

GLaMM: Pixel Grounding Large Multimodal Model
von: Rasheed, Hanoona, et al.
Veröffentlicht: (2023)

PixelBytes: Catching Unified Representation for Multimodal Generation
von: Furfaro, Fabien
Veröffentlicht: (2024)

PEAR: Pixel-aligned Expressive humAn mesh Recovery
von: Wu, Jiahao, et al.
Veröffentlicht: (2026)

Optimal Video Compression using Pixel Shift Tracking
von: Panneerselvam, Hitesh Saai Mananchery, et al.
Veröffentlicht: (2024)

PixelBytes: Catching Unified Embedding for Multimodal Generation
von: Furfaro, Fabien
Veröffentlicht: (2024)

Aquila-plus: Prompt-Driven Visual-Language Models for Pixel-Level Remote Sensing Image Understanding
von: Lu, Kaixuan
Veröffentlicht: (2024)

Dreamweaver: Learning Compositional World Models from Pixels
von: Baek, Junyeob, et al.
Veröffentlicht: (2025)

From Pixels to Words -- Towards Native Vision-Language Primitives at Scale
von: Diao, Haiwen, et al.
Veröffentlicht: (2025)

StableSketcher: Enhancing Diffusion Model for Pixel-based Sketch Generation via Visual Question Answering Feedback
von: Park, Jiho, et al.
Veröffentlicht: (2025)

From Pixels to Progress: Generating Road Network from Satellite Imagery for Socioeconomic Insights in Impoverished Areas
von: Xi, Yanxin, et al.
Veröffentlicht: (2024)

From Pixels to Predicates Structuring urban perception with scene graphs
von: Liu, Yunlong, et al.
Veröffentlicht: (2025)

The Thinking Pixel: Recursive Sparse Reasoning in Multimodal Diffusion Latents
von: Sun, Yuwei, et al.
Veröffentlicht: (2026)