Buchumschlag

m2sv: A Scalable Benchmark for Map-to-Street-View Spatial Reasoning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Shin, Yosub, Buriek, Michael, Molybog, Igor
Format:	Preprint
Veröffentlicht:	2026
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

Beyond Audio and Pose: A General-Purpose Framework for Video Synchronization
von: Shin, Yosub, et al.
Veröffentlicht: (2025)

What Matters in Data Curation for Multimodal Reasoning? Insights from the DCVLR Challenge
von: Shin, Yosub, et al.
Veröffentlicht: (2026)

Combining Deep Learning and Street View Imagery to Map Smallholder Crop Types
von: Soler, Jordi Laguarta, et al.
Veröffentlicht: (2023)

Cross-View Geolocalization and Disaster Mapping with Street-View and VHR Satellite Imagery: A Case Study of Hurricane IAN
von: Li, Hao, et al.
Veröffentlicht: (2024)

Unsupervised Urban Land Use Mapping with Street View Contrastive Clustering and a Geographical Prior
von: Che, Lin, et al.
Veröffentlicht: (2025)

Learning Street View Representations with Spatiotemporal Contrast
von: Li, Yong, et al.
Veröffentlicht: (2025)

CoV: Chain-of-View Prompting for Spatial Reasoning
von: Zhao, Haoyu, et al.
Veröffentlicht: (2026)

Bird Eye-View to Street-View: A Survey
von: Bajbaa, Khawlah, et al.
Veröffentlicht: (2024)

Map2Thought: Explicit 3D Spatial Reasoning via Metric Cognitive Maps
von: Gao, Xiangjun, et al.
Veröffentlicht: (2026)

MARBLE: A Hard Benchmark for Multimodal Spatial Reasoning and Planning
von: Jiang, Yulun, et al.
Veröffentlicht: (2025)

Spatial457: A Diagnostic Benchmark for 6D Spatial Reasoning of Large Multimodal Models
von: Wang, Xingrui, et al.
Veröffentlicht: (2025)

MIRAGE: A Multi-modal Benchmark for Spatial Perception, Reasoning, and Intelligence
von: Liu, Chonghan, et al.
Veröffentlicht: (2025)

Examining the Commitments and Difficulties Inherent in Multimodal Foundation Models for Street View Imagery
von: Yang, Zhenyuan, et al.
Veröffentlicht: (2024)

OpenStreetView-5M: The Many Roads to Global Visual Geolocation
von: Astruc, Guillaume, et al.
Veröffentlicht: (2024)

MagicDrive: Street View Generation with Diverse 3D Geometry Control
von: Gao, Ruiyuan, et al.
Veröffentlicht: (2023)

EarthSpatialBench: Benchmarking Spatial Reasoning Capabilities of Multimodal LLMs on Earth Imagery
von: Xu, Zelin, et al.
Veröffentlicht: (2026)

MultihopSpatial: Multi-hop Compositional Spatial Reasoning Benchmark for Vision-Language Model
von: Lee, Youngwan, et al.
Veröffentlicht: (2026)

Mapping License Plate Recoverability Under Extreme Viewing Angles for Oppor-tunistic Urban Sensing
von: Adamenko, Igor, et al.
Veröffentlicht: (2026)

NuScenes-SpatialQA: A Spatial Understanding and Reasoning Benchmark for Vision-Language Models in Autonomous Driving
von: Tian, Kexin, et al.
Veröffentlicht: (2025)

Oitijjo-3D: Generative AI Framework for Rapid 3D Heritage Reconstruction from Street View Imagery
von: Ope, Momen Khandoker, et al.
Veröffentlicht: (2025)

CrossView Suite: Harnessing Cross-view Spatial Intelligence of MLLMs with Dataset, Model and Benchmark
von: Wang, Wei, et al.
Veröffentlicht: (2026)

Leveraging Multimodal LLMs for Built Environment and Housing Attribute Assessment from Street-View Imagery
von: Yao, Siyuan, et al.
Veröffentlicht: (2026)

An Integrated Causal Inference Framework for Traffic Safety Modeling with Semantic Street-View Visual Features
von: Sun, Lishan, et al.
Veröffentlicht: (2026)

Cube Bench: A Benchmark for Spatial Visual Reasoning in MLLMs
von: Anand, Dhruv, et al.
Veröffentlicht: (2025)

Tag Map: A Text-Based Map for Spatial Reasoning and Navigation with Large Language Models
von: Zhang, Mike, et al.
Veröffentlicht: (2024)

Robust Vehicle Localization and Tracking in Rain using Street Maps
von: Tan, Yu Xiang, et al.
Veröffentlicht: (2024)

OmniSpatial: Towards Comprehensive Spatial Reasoning Benchmark for Vision Language Models
von: Jia, Mengdi, et al.
Veröffentlicht: (2025)

Satellite-to-Street: Synthesizing Post-Disaster Views from Satellite Imagery via Generative Vision Models
von: Yang, Yifan, et al.
Veröffentlicht: (2026)

From Bird's-Eye to Street View: Crafting Diverse and Condition-Aligned Images with Latent Diffusion Model
von: Xu, Xiaojie, et al.
Veröffentlicht: (2024)

MagicDrive3D: Controllable 3D Generation for Any-View Rendering in Street Scenes
von: Gao, Ruiyuan, et al.
Veröffentlicht: (2024)

From Street to Orbit: Training-Free Cross-View Retrieval via Location Semantics and LLM Guidance
von: Min, Jeongho, et al.
Veröffentlicht: (2025)

Paved or unpaved? A Deep Learning derived Road Surface Global Dataset from Mapillary Street-View Imagery
von: Randhawa, Sukanya, et al.
Veröffentlicht: (2024)

BuildingView: Constructing Urban Building Exteriors Databases with Street View Imagery and Multimodal Large Language Mode
von: Li, Zongrong, et al.
Veröffentlicht: (2024)

VELMA: Verbalization Embodiment of LLM Agents for Vision and Language Navigation in Street View
von: Schumann, Raphael, et al.
Veröffentlicht: (2023)

MapTrace: Scalable Data Generation for Route Tracing on Maps
von: Panagopoulou, Artemis, et al.
Veröffentlicht: (2025)

iVISPAR -- An Interactive Visual-Spatial Reasoning Benchmark for VLMs
von: Mayer, Julius, et al.
Veröffentlicht: (2025)

WaymoQA: A Multi-View Visual Question Answering Dataset for Safety-Critical Reasoning in Autonomous Driving
von: Yu, Seungjun, et al.
Veröffentlicht: (2025)

DreamDrive: Generative 4D Scene Modeling from Street View Images
von: Mao, Jiageng, et al.
Veröffentlicht: (2024)

CityCube: Benchmarking Cross-view Spatial Reasoning on Vision-Language Models in Urban Environments
von: Xu, Haotian, et al.
Veröffentlicht: (2026)

Memory-Scalable and Simplified Functional Map Learning
von: Magnet, Robin, et al.
Veröffentlicht: (2024)