VA-$π$: Variational Policy Alignment for Pixel-Aware Autoregressive Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liao, Xinyao, He, Qiyuan, Xu, Kai, Qu, Xiaoye, Li, Yicong, Wei, Wei, Yao, Angela
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition 68T45 I.2.6; I.2.10
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

FT-NCFM: An Influence-Aware Data Distillation Framework for Efficient VLA Models
von: Chen, Kewei, et al.
Veröffentlicht: (2025)

ATAAT: Adaptive Threat-Aware Adversarial Tuning Framework against Backdoor Attacks on Vision-Language-Action Models
von: Chen, Kewei, et al.
Veröffentlicht: (2026)

Physics-informed Variational Autoencoders for Improved Robustness to Environmental Factors of Variation
von: Thoreau, Romain, et al.
Veröffentlicht: (2022)

Tricks and Plug-ins for Gradient Boosting in Image Classification
von: Fang, Biyi, et al.
Veröffentlicht: (2025)

Perception-Consistency Multimodal Large Language Models Reasoning via Caption-Regularized Policy Optimization
von: Tu, Songjun, et al.
Veröffentlicht: (2025)

CulinaryCut-VLAP: A Vision-Language-Action-Physics Framework for Food Cutting via a Force-Aware Material Point Method
von: Koh, Hyunseo, et al.
Veröffentlicht: (2026)

Extrapolating and Decoupling Image-to-Video Generation Models: Motion Modeling is Easier Than You Think
von: Tian, Jie, et al.
Veröffentlicht: (2025)

Unpacking Hateful Memes: Presupposed Context and False Claims
von: Cai, Weibin, et al.
Veröffentlicht: (2025)

Training a Student Expert via Semi-Supervised Foundation Model Distillation
von: Taghavi, Pardis, et al.
Veröffentlicht: (2026)

The Power of Next-Frame Prediction for Learning Physical Laws
von: Winterbottom, Thomas, et al.
Veröffentlicht: (2024)

Predictive Modeling of Maritime Radar Data Using Transformer Architecture
von: Qesaraku, Bjorna, et al.
Veröffentlicht: (2025)

Do Generative Metrics Predict YOLO Performance? An Evaluation Across Models, Augmentation Ratios, and Dataset Complexity
von: Marian, Vasile, et al.
Veröffentlicht: (2026)

Short-Window Sliding Learning for Real-Time Violence Detection via LLM-based Auto-Labeling
von: Jung, Seoik, et al.
Veröffentlicht: (2025)

Training for X-Ray Vision: Amodal Segmentation, Amodal Content Completion, and View-Invariant Object Representation from Multi-Camera Video
von: Moore, Alexander, et al.
Veröffentlicht: (2025)

Cooperative Perception: A Resource-Efficient Framework for Multi-Drone 3D Scene Reconstruction Using Federated Diffusion and NeRF
von: Pourmandi, Massoud
Veröffentlicht: (2025)

Visible and Hyperspectral Imaging for Quality Assessment of Milk: Property Characterisation and Identification
von: Martinelli, Massimo, et al.
Veröffentlicht: (2026)

Balanced conic rectified flow
von: Kim, Shin Seong, et al.
Veröffentlicht: (2025)

SemanticFeels: Semantic Labeling during In-Hand Manipulation
von: Khalil, Anas Al Shikh, et al.
Veröffentlicht: (2026)

IDOL: Instant Photorealistic 3D Human Creation from a Single Image
von: Zhuang, Yiyu, et al.
Veröffentlicht: (2024)

TACIT: Transformation-Aware Capturing of Implicit Thought
von: Nobrega, Daniel
Veröffentlicht: (2026)

Salient Concept-Aware Generative Data Augmentation
von: Zhao, Tianchen, et al.
Veröffentlicht: (2025)

Spectral Integrated Gradients for Coarse-to-Fine Feature Attribution
von: Kim, Soyeon, et al.
Veröffentlicht: (2026)

Manifold-Aligned Guided Integrated Gradients for Reliable Feature Attribution
von: Kim, Soyeon, et al.
Veröffentlicht: (2026)

Method of UAV Inspection of Photovoltaic Modules Using Thermal and RGB Data Fusion
von: Lysyi, Andrii, et al.
Veröffentlicht: (2025)

ExpReS-VLA: Specializing Vision-Language-Action Models Through Experience Replay and Retrieval
von: Syed, Shahram Najam, et al.
Veröffentlicht: (2025)

Supervised Learning Has a Necessary Geometric Blind Spot: Theory, Consequences, and Minimal Repair
von: Rajput, Vishal
Veröffentlicht: (2026)

AUTHENTICATION: Identifying Rare Failure Modes in Autonomous Vehicle Perception Systems using Adversarially Guided Diffusion Models
von: Zarei, Mohammad, et al.
Veröffentlicht: (2025)

Evaluating Visual Mathematics in Multimodal LLMs: A Multilingual Benchmark Based on the Kangaroo Tests
von: Sáez, Arnau Igualde, et al.
Veröffentlicht: (2025)

A Landmark-Aware Visual Navigation Dataset
von: Johnson, Faith, et al.
Veröffentlicht: (2024)

Rethinking Visual Intelligence: Insights from Video Pretraining
von: Acuaviva, Pablo, et al.
Veröffentlicht: (2025)

Multimodal Generative AI for Story Point Estimation in Software Development
von: Islam, Mohammad Rubyet, et al.
Veröffentlicht: (2025)

Surg$Σ$: A Spectrum of Large-Scale Multimodal Data and Foundation Models for Surgical Intelligence
von: Zeng, Zhitao, et al.
Veröffentlicht: (2026)

Contrastive Consolidation of Top-Down Modulations Achieves Sparsely Supervised Continual Learning
von: Tran, Viet Anh Khoa, et al.
Veröffentlicht: (2025)

Biomedical Visual Instruction Tuning with Clinician Preference Alignment
von: Cui, Hejie, et al.
Veröffentlicht: (2024)

Sat-JEPA-Diff: Bridging Self-Supervised Learning and Generative Diffusion for Remote Sensing
von: Komurcu, Kursat, et al.
Veröffentlicht: (2026)

ForAug: Recombining Foregrounds and Backgrounds to Improve Vision Transformer Training with Bias Mitigation
von: Nauen, Tobias Christian, et al.
Veröffentlicht: (2025)

A Survey on Vision-Language-Action Models for Embodied AI
von: Ma, Yueen, et al.
Veröffentlicht: (2024)

Measuring What Matters: Scenario-Driven Evaluation for Trajectory Predictors in Autonomous Driving
von: Da, Longchao, et al.
Veröffentlicht: (2025)

Learning Association via Track-Detection Matching for Multi-Object Tracking
von: Adžemović, Momir
Veröffentlicht: (2025)

Convolutional Model Trees
von: Armstrong, William Ward, et al.
Veröffentlicht: (2025)