Towards Faithful Reasoning in Comics for Small MLLMs
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Feng, Chengcheng, Yin, Haojie, Jin, Yucheng, Huang, Kaizhu |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Re-M3Dr: Rebalanced MultiModal Mean Deviation Regression
par: Yin, Haojie, et autres
Publié: (2026)
par: Yin, Haojie, et autres
Publié: (2026)
Towards Unified Surgical Scene Understanding:Bridging Reasoning and Grounding via MLLMs
par: Huang, Jincai, et autres
Publié: (2026)
par: Huang, Jincai, et autres
Publié: (2026)
MME-Reasoning: A Comprehensive Benchmark for Logical Reasoning in MLLMs
par: Yuan, Jiakang, et autres
Publié: (2025)
par: Yuan, Jiakang, et autres
Publié: (2025)
PaLMR: Towards Faithful Visual Reasoning via Multimodal Process Alignment
par: Li, Yantao, et autres
Publié: (2026)
par: Li, Yantao, et autres
Publié: (2026)
VITAL: Visual-Semantic Dual Supervision for Enhanced and Interpretable Latent Reasoning in Medical MLLMs
par: Li, Qiaoru, et autres
Publié: (2026)
par: Li, Qiaoru, et autres
Publié: (2026)
MMReason: An Open-Ended Multi-Modal Multi-Step Reasoning Benchmark for MLLMs Toward AGI
par: Yao, Huanjin, et autres
Publié: (2025)
par: Yao, Huanjin, et autres
Publié: (2025)
Zooming into Comics: Region-Aware RL Improves Fine-Grained Comic Understanding in Vision-Language Models
par: Chen, Yule, et autres
Publié: (2025)
par: Chen, Yule, et autres
Publié: (2025)
V-Reflection: Transforming MLLMs from Passive Observers to Active Interrogators
par: Zhou, Jiazhou, et autres
Publié: (2026)
par: Zhou, Jiazhou, et autres
Publié: (2026)
Rethinking Information Loss in Medical Image Segmentation with Various-sized Targets
par: Liu, Tianyi, et autres
Publié: (2024)
par: Liu, Tianyi, et autres
Publié: (2024)
IBISAgent: Reinforcing Pixel-Level Visual Reasoning in MLLMs for Universal Biomedical Object Referring and Segmentation
par: Jiang, Yankai, et autres
Publié: (2026)
par: Jiang, Yankai, et autres
Publié: (2026)
Towards Dynamic and Small Objects Refinement for Unsupervised Domain Adaptative Nighttime Semantic Segmentation
par: Pan, Jingyi, et autres
Publié: (2023)
par: Pan, Jingyi, et autres
Publié: (2023)
Discrete Diffusion Models with MLLMs for Unified Medical Multimodal Generation
par: Mao, Jiawei, et autres
Publié: (2025)
par: Mao, Jiawei, et autres
Publié: (2025)
Covariance-based Space Regularization for Few-shot Class Incremental Learning
par: Hu, Yijie, et autres
Publié: (2024)
par: Hu, Yijie, et autres
Publié: (2024)
SAM-Sode: Towards Faithful Explanations for Tiny Bacteria Detection
par: Tan, Wanying, et autres
Publié: (2026)
par: Tan, Wanying, et autres
Publié: (2026)
S$^2$-MLLM: Boosting Spatial Reasoning Capability of MLLMs for 3D Visual Grounding with Structural Guidance
par: Xu, Beining, et autres
Publié: (2025)
par: Xu, Beining, et autres
Publié: (2025)
VISOR: Agentic Visual Retrieval-Augmented Generation via Iterative Search and Over-horizon Reasoning
par: Shen, Yucheng, et autres
Publié: (2026)
par: Shen, Yucheng, et autres
Publié: (2026)
Interpret Your Decision: Logical Reasoning Regularization for Generalization in Visual Classification
par: Tan, Zhaorui, et autres
Publié: (2024)
par: Tan, Zhaorui, et autres
Publié: (2024)
Dense Connector for MLLMs
par: Yao, Huanjin, et autres
Publié: (2024)
par: Yao, Huanjin, et autres
Publié: (2024)
The Demon is in Ambiguity: Revisiting Situation Recognition with Single Positive Multi-Label Learning
par: Lin, Yiming, et autres
Publié: (2025)
par: Lin, Yiming, et autres
Publié: (2025)
Predicting Winning Captions for Weekly New Yorker Comics
par: Cao, Stanley, et autres
Publié: (2024)
par: Cao, Stanley, et autres
Publié: (2024)
IDEA: Image Description Enhanced CLIP-Adapter
par: Ye, Zhipeng, et autres
Publié: (2025)
par: Ye, Zhipeng, et autres
Publié: (2025)
Look Before You Decide: Prompting Active Deduction of MLLMs for Assumptive Reasoning
par: Li, Yian, et autres
Publié: (2024)
par: Li, Yian, et autres
Publié: (2024)
Rethinking Multi-domain Generalization with A General Learning Objective
par: Tan, Zhaorui, et autres
Publié: (2024)
par: Tan, Zhaorui, et autres
Publié: (2024)
VOILA: Evaluation of MLLMs For Perceptual Understanding and Analogical Reasoning
par: Yilmaz, Nilay, et autres
Publié: (2025)
par: Yilmaz, Nilay, et autres
Publié: (2025)
Lifting the Veil on Visual Information Flow in MLLMs: Unlocking Pathways to Faster Inference
par: Yin, Hao, et autres
Publié: (2025)
par: Yin, Hao, et autres
Publié: (2025)
Observe-R1: Unlocking Reasoning Abilities of MLLMs with Dynamic Progressive Reinforcement Learning
par: Guo, Zirun, et autres
Publié: (2025)
par: Guo, Zirun, et autres
Publié: (2025)
APO: Enhancing Reasoning Ability of MLLMs via Asymmetric Policy Optimization
par: Hong, Minjie, et autres
Publié: (2025)
par: Hong, Minjie, et autres
Publié: (2025)
Human-Aligned Bench: Fine-Grained Assessment of Reasoning Ability in MLLMs vs. Humans
par: Qiu, Yansheng, et autres
Publié: (2025)
par: Qiu, Yansheng, et autres
Publié: (2025)
StrLoRA: Towards Streaming Continual Visual Instruction Tuning for MLLMs
par: Che, Chang, et autres
Publié: (2026)
par: Che, Chang, et autres
Publié: (2026)
A generalizable framework for low-rank tensor completion with numerical priors
par: Yuan, Shiran, et autres
Publié: (2023)
par: Yuan, Shiran, et autres
Publié: (2023)
Toward Faithful Segmentation Attribution via Benchmarking and Dual-Evidence Fusion
par: Sakib, Abu Noman Md, et autres
Publié: (2026)
par: Sakib, Abu Noman Md, et autres
Publié: (2026)
Cube Bench: A Benchmark for Spatial Visual Reasoning in MLLMs
par: Anand, Dhruv, et autres
Publié: (2025)
par: Anand, Dhruv, et autres
Publié: (2025)
VidComposition: Can MLLMs Analyze Compositions in Compiled Videos?
par: Tang, Yolo Y., et autres
Publié: (2024)
par: Tang, Yolo Y., et autres
Publié: (2024)
StemBind: When MLLMs Get Lost Between Rules and Instances in Abstract Visual Reasoning
par: He, Xixiang, et autres
Publié: (2026)
par: He, Xixiang, et autres
Publié: (2026)
EgoCoT-Bench: Benchmarking Grounded and Verifiable Operation-Centric Chain of Thought Reasoning for MLLMs
par: Dai, Yang, et autres
Publié: (2026)
par: Dai, Yang, et autres
Publié: (2026)
MedMAP: Promoting Incomplete Multi-modal Brain Tumor Segmentation with Alignment
par: Liu, Tianyi, et autres
Publié: (2024)
par: Liu, Tianyi, et autres
Publié: (2024)
Mitigating Visual Hallucinations via Semantic Curriculum Preference Optimization in MLLMs
par: Li, Yuanshuai, et autres
Publié: (2025)
par: Li, Yuanshuai, et autres
Publié: (2025)
TopoLogic: An Interpretable Pipeline for Lane Topology Reasoning on Driving Scenes
par: Fu, Yanping, et autres
Publié: (2024)
par: Fu, Yanping, et autres
Publié: (2024)
FaithfulFaces: Pose-Faithful Facial Identity Preservation for Text-to-Video Generation
par: Wang, Yuanzhi, et autres
Publié: (2026)
par: Wang, Yuanzhi, et autres
Publié: (2026)
IDPruner: Harmonizing Importance and Diversity in Visual Token Pruning for MLLMs
par: Tan, Yifan, et autres
Publié: (2026)
par: Tan, Yifan, et autres
Publié: (2026)
Documents similaires
-
Re-M3Dr: Rebalanced MultiModal Mean Deviation Regression
par: Yin, Haojie, et autres
Publié: (2026) -
Towards Unified Surgical Scene Understanding:Bridging Reasoning and Grounding via MLLMs
par: Huang, Jincai, et autres
Publié: (2026) -
MME-Reasoning: A Comprehensive Benchmark for Logical Reasoning in MLLMs
par: Yuan, Jiakang, et autres
Publié: (2025) -
PaLMR: Towards Faithful Visual Reasoning via Multimodal Process Alignment
par: Li, Yantao, et autres
Publié: (2026) -
VITAL: Visual-Semantic Dual Supervision for Enhanced and Interpretable Latent Reasoning in Medical MLLMs
par: Li, Qiaoru, et autres
Publié: (2026)