Buchumschlag

GroundingME: Exposing the Visual Grounding Gap in MLLMs through Multi-Dimensional Evaluation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Rang, Li, Lei, Ren, Shuhuai, Tian, Hao, Gu, Shuhao, Li, Shicheng, Yue, Zihao, Wang, Yudong, Ma, Wenhan, Yang, Zhe, Ma, Jingyuan, Sui, Zhifang, Luo, Fuli
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

Towards Better RL Training Data Utilization via Second-Order Rollout
von: Yang, Zhe, et al.
Veröffentlicht: (2026)

Enhancing Reliability across Short and Long-Form QA via Reinforcement Learning
von: Wang, Yudong, et al.
Veröffentlicht: (2025)

TeachBench: A Syllabus-Grounded Framework for Evaluating Teaching Ability in Large Language Models
von: Li, Zheng, et al.
Veröffentlicht: (2026)

Stabilizing MoE Reinforcement Learning by Aligning Training and Inference Routers
von: Ma, Wenhan, et al.
Veröffentlicht: (2025)

Plug-and-Play Training Framework for Preference Optimization
von: Ma, Jingyuan, et al.
Veröffentlicht: (2024)

ValueGround: Evaluating Culture-Conditioned Visual Value Grounding in MLLMs
von: Wang, Zhipin, et al.
Veröffentlicht: (2026)

Visualizing the Invisible: Generative Visual Grounding Empowers Universal EEG Understanding in MLLMs
von: Pan, Jun-Yu, et al.
Veröffentlicht: (2026)

TimeChat: A Time-sensitive Multimodal Large Language Model for Long Video Understanding
von: Ren, Shuhuai, et al.
Veröffentlicht: (2023)

Theory-Grounded Evaluation Exposes the Authorship Gap in LLM Personalization
von: Sawant, Yash Ganpat
Veröffentlicht: (2026)

Exploring Activation Patterns of Parameters in Language Models
von: Wang, Yudong, et al.
Veröffentlicht: (2024)

Be a Multitude to Itself: A Prompt Evolution Framework for Red Teaming
von: Li, Rui, et al.
Veröffentlicht: (2025)

SelfBudgeter: Adaptive Token Allocation for Efficient LLM Reasoning
von: Li, Zheng, et al.
Veröffentlicht: (2025)

AV-Reasoner: Improving and Benchmarking Clue-Grounded Audio-Visual Counting for MLLMs
von: Lu, Lidong, et al.
Veröffentlicht: (2025)

HauntAttack: When Attack Follows Reasoning as a Shadow
von: Ma, Jingyuan, et al.
Veröffentlicht: (2025)

SpaceMind++: Toward Allocentric Cognitive Maps for Spatially Grounded Video MLLMs
von: Gu, Bo, et al.
Veröffentlicht: (2026)

TimeSuite: Improving MLLMs for Long Video Understanding via Grounded Tuning
von: Zeng, Xiangyu, et al.
Veröffentlicht: (2024)

CodePercept: Code-Grounded Visual STEM Perception for MLLMs
von: Guan, Tongkun, et al.
Veröffentlicht: (2026)

Visual Position Prompt for MLLM based Visual Grounding
von: Tang, Wei, et al.
Veröffentlicht: (2025)

SpatialViz-Bench: A Cognitively-Grounded Benchmark for Diagnosing Spatial Visualization in MLLMs
von: Wang, Siting, et al.
Veröffentlicht: (2025)

Learning to Focus and Precise Cropping: A Reinforcement Learning Framework with Information Gaps and Grounding Loss for MLLMs
von: Zhao, Xuanpu, et al.
Veröffentlicht: (2026)

Seeing is Believing: Rich-Context Hallucination Detection for MLLMs via Backward Visual Grounding
von: Guo, Pinxue, et al.
Veröffentlicht: (2025)

PostAlign: Multimodal Grounding as a Corrective Lens for MLLMs
von: Wu, Yixuan, et al.
Veröffentlicht: (2025)

S$^2$-MLLM: Boosting Spatial Reasoning Capability of MLLMs for 3D Visual Grounding with Structural Guidance
von: Xu, Beining, et al.
Veröffentlicht: (2025)

Improving the Reasoning of Multi-Image Grounding in MLLMs via Reinforcement Learning
von: Zhang, Bob, et al.
Veröffentlicht: (2025)

SeeGround: See and Ground for Zero-Shot Open-Vocabulary 3D Visual Grounding
von: Li, Rong, et al.
Veröffentlicht: (2024)

Aria-UI: Visual Grounding for GUI Instructions
von: Yang, Yuhao, et al.
Veröffentlicht: (2024)

A Probabilistic Inference Scaling Theory for LLM Self-Correction
von: Yang, Zhe, et al.
Veröffentlicht: (2025)

Confidence v.s. Critique: A Decomposition of Self-Correction Capability for LLMs
von: Yang, Zhe, et al.
Veröffentlicht: (2024)

MathOPEval: A Fine-grained Evaluation Benchmark for Visual Operations of MLLMs in Mathematical Reasoning
von: Li, Xiaoyuan, et al.
Veröffentlicht: (2025)

Neural Material Adaptor for Visual Grounding of Intrinsic Dynamics
von: Cao, Junyi, et al.
Veröffentlicht: (2024)

MoDA: Modulation Adapter for Fine-Grained Visual Grounding in Instructional MLLMs
von: Barrios, Wayner, et al.
Veröffentlicht: (2025)

MC-Bench: A Benchmark for Multi-Context Visual Grounding in the Era of MLLMs
von: Xu, Yunqiu, et al.
Veröffentlicht: (2024)

GeoGround: A Unified Large Vision-Language Model for Remote Sensing Visual Grounding
von: Zhou, Yue, et al.
Veröffentlicht: (2024)

VIVA: A Benchmark for Vision-Grounded Decision-Making with Human Values
von: Hu, Zhe, et al.
Veröffentlicht: (2024)

SCoRE: Benchmarking Long-Chain Reasoning in Commonsense Scenarios
von: Zhan, Weidong, et al.
Veröffentlicht: (2025)

The Perceptual Observatory Characterizing Robustness and Grounding in MLLMs
von: Anvekar, Tejas, et al.
Veröffentlicht: (2025)

From Objects to Anywhere: A Holistic Benchmark for Multi-level Visual Grounding in 3D Scenes
von: Wang, Tianxu, et al.
Veröffentlicht: (2025)

UVE: Are MLLMs Unified Evaluators for AI-Generated Videos?
von: Liu, Yuanxin, et al.
Veröffentlicht: (2025)

Adaptive Masking Enhances Visual Grounding
von: Jia, Sen, et al.
Veröffentlicht: (2024)

How Do Medical MLLMs Fail? A Study on Visual Grounding in Medical Images
von: Liu, Guimeng, et al.
Veröffentlicht: (2026)