Buchumschlag

CoT-Seg: Rethinking Segmentation with Chain-of-Thought Reasoning and Self-Correction

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kao, Shiu-hong, Huang, Chak Ho, Liu, Huaiqian, Tai, Yu-Wing, Tang, Chi-Keung
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

CoT-RVS: Zero-Shot Chain-of-Thought Reasoning Segmentation for Videos
von: Kao, Shiu-hong, et al.
Veröffentlicht: (2025)

Think Before You Segment: High-Quality Reasoning Segmentation with GPT Chain of Thoughts
von: Kao, Shiu-hong, et al.
Veröffentlicht: (2025)

InceptionHuman: Controllable Prompt-to-NeRF for Photorealistic 3D Human Generation
von: Kao, Shiu-hong, et al.
Veröffentlicht: (2023)

Deceptive-NeRF/3DGS: Diffusion-Generated Pseudo-Observations for High-Quality Sparse-View Reconstruction
von: Liu, Xinhang, et al.
Veröffentlicht: (2023)

UVRM: A Scalable 3D Reconstruction Model from Unposed Videos
von: Kao, Shiu-hong, et al.
Veröffentlicht: (2025)

ReasonNavi: Human-Inspired Global Map Reasoning for Zero-Shot Embodied Navigation
von: Ao, Yuzhuo, et al.
Veröffentlicht: (2026)

SANeRF-HQ: Segment Anything for NeRF in High Quality
von: Liu, Yichen, et al.
Veröffentlicht: (2023)

FED-NeRF: Achieve High 3D Consistency and Temporal Coherence for Face Video Editing on Dynamic NeRF
von: Zhang, Hao, et al.
Veröffentlicht: (2024)

Multimodal Generation of Animatable 3D Human Models with AvatarForge
von: Liu, Xinhang, et al.
Veröffentlicht: (2025)

ChatCam: Empowering Camera Control through Conversational AI
von: Liu, Xinhang, et al.
Veröffentlicht: (2024)

CoT-Segmenter: Enhancing OOD Detection in Dense Road Scenes via Chain-of-Thought Reasoning
von: Song, Jeonghyo, et al.
Veröffentlicht: (2025)

RCoT-Seg: Reinforced Chain-of-Thought for Video Reasoning and Segmentation
von: Wen, Junwei, et al.
Veröffentlicht: (2026)

Agentic 3D Scene Generation with Spatially Contextualized VLMs
von: Liu, Xinhang, et al.
Veröffentlicht: (2025)

ReelWave: Multi-Agentic Movie Sound Generation through Multimodal LLM Conversation
von: Wang, Zixuan, et al.
Veröffentlicht: (2025)

WorldCraft: Photo-Realistic 3D World Creation and Customization via LLM Agents
von: Liu, Xinhang, et al.
Veröffentlicht: (2025)

ImageGen-CoT: Enhancing Text-to-Image In-context Learning with Chain-of-Thought Reasoning
von: Liao, Jiaqi, et al.
Veröffentlicht: (2025)

MINT-CoT: Enabling Interleaved Visual Tokens in Mathematical Chain-of-Thought Reasoning
von: Chen, Xinyan, et al.
Veröffentlicht: (2025)

Audio-Agent: Leveraging LLMs For Audio Generation, Editing and Composition
von: Wang, Zixuan, et al.
Veröffentlicht: (2024)

Navigating Motion Agents in Dynamic and Cluttered Environments through LLM Reasoning
von: Zhao, Yubo, et al.
Veröffentlicht: (2025)

AIM-CoT: Active Information-driven Multimodal Chain-of-Thought for Vision-Language Reasoning
von: Li, Xiping, et al.
Veröffentlicht: (2025)

VG-CoT: Towards Trustworthy Visual Reasoning via Grounded Chain-of-Thought
von: Lim, Byeonggeuk, et al.
Veröffentlicht: (2026)

X-Ray-CoT: Interpretable Chest X-ray Diagnosis with Vision-Language Models via Chain-of-Thought Reasoning
von: Ng, Chee, et al.
Veröffentlicht: (2025)

Beyond and Free from Diffusion: Invertible Guided Consistency Training
von: Hsu, Chia-Hong, et al.
Veröffentlicht: (2025)

StableKD: Breaking Inter-block Optimization Entanglement for Stable Knowledge Distillation
von: Kao, Shiu-hong, et al.
Veröffentlicht: (2023)

X-CoT: Explainable Text-to-Video Retrieval via LLM-based Chain-of-Thought Reasoning
von: Pulakurthi, Prasanna Reddy, et al.
Veröffentlicht: (2025)

CoT-Pose: Chain-of-Thought Reasoning for 3D Pose Generation from Abstract Prompts
von: Cha, Junuk, et al.
Veröffentlicht: (2025)

CoT-VLA: Visual Chain-of-Thought Reasoning for Vision-Language-Action Models
von: Zhao, Qingqing, et al.
Veröffentlicht: (2025)

Visual CoT: Advancing Multi-Modal Language Models with a Comprehensive Dataset and Benchmark for Chain-of-Thought Reasoning
von: Shao, Hao, et al.
Veröffentlicht: (2024)

CoT4AD: A Vision-Language-Action Model with Explicit Chain-of-Thought Reasoning for Autonomous Driving
von: Wang, Zhaohui, et al.
Veröffentlicht: (2025)

Video-CoT: A Comprehensive Dataset for Spatiotemporal Understanding of Videos Based on Chain-of-Thought
von: Zhang, Shuyi, et al.
Veröffentlicht: (2025)

CIR-CoT: Towards Interpretable Composed Image Retrieval via End-to-End Chain-of-Thought Reasoning
von: Lin, Weihuang, et al.
Veröffentlicht: (2025)

Inpaint4DNeRF: Promptable Spatio-Temporal NeRF Inpainting with Generative Diffusion Models
von: Jiang, Han, et al.
Veröffentlicht: (2023)

Video-Skill-CoT: Skill-based Chain-of-Thoughts for Domain-Adaptive Video Reasoning
von: Lee, Daeun, et al.
Veröffentlicht: (2025)

MME-CoT: Benchmarking Chain-of-Thought in Large Multimodal Models for Reasoning Quality, Robustness, and Efficiency
von: Jiang, Dongzhi, et al.
Veröffentlicht: (2025)

CoT-PL: Chain-of-Thought Pseudo-Labeling for Open-Vocabulary Object Detection
von: Choi, Hojun, et al.
Veröffentlicht: (2025)

DragVideo: Interactive Drag-style Video Editing
von: Deng, Yufan, et al.
Veröffentlicht: (2023)

ESTR-CoT: Towards Explainable and Accurate Event Stream based Scene Text Recognition with Chain-of-Thought Reasoning
von: Wang, Xiao, et al.
Veröffentlicht: (2025)

CoT4Det: A Chain-of-Thought Framework for Perception-Oriented Vision-Language Tasks
von: Qi, Yu, et al.
Veröffentlicht: (2025)

SmartAvatar: Text- and Image-Guided Human Avatar Generation with VLM AI Agents
von: Huang-Menders, Alexander, et al.
Veröffentlicht: (2025)

CoT3DRef: Chain-of-Thoughts Data-Efficient 3D Visual Grounding
von: Abdelrahman, Eslam, et al.
Veröffentlicht: (2023)