Buchumschlag

LoopViT: Scaling Visual ARC with Looped Transformers

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Shu, Wen-Jie, Qiu, Xuerui, Zhu, Rui-Jie, Chen, Harold Haodong, Liu, Yexin, Yang, Harry
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

Go with Your Gut: Scaling Confidence for Autoregressive Image Generation
von: Chen, Harold Haodong, et al.
Veröffentlicht: (2025)

Temporal Regularization Makes Your Video Generator Stronger
von: Chen, Harold Haodong, et al.
Veröffentlicht: (2025)

ViPO: Visual Preference Optimization at Scale
von: Li, Ming, et al.
Veröffentlicht: (2026)

LightGen: Efficient Image Generation through Knowledge Distillation and Direct Preference Optimization
von: Wu, Xianfeng, et al.
Veröffentlicht: (2025)

AlignVid: Training-Free Attention Scaling for Semantic Fidelity in Text-Guided Image-to-Video Generation
von: Liu, Yexin, et al.
Veröffentlicht: (2025)

TiViBench: Benchmarking Think-in-Video Reasoning for Video Generative Models
von: Chen, Harold Haodong, et al.
Veröffentlicht: (2025)

ELT: Elastic Looped Transformers for Visual Generation
von: Goyal, Sahil, et al.
Veröffentlicht: (2026)

Quantized Spike-driven Transformer
von: Qiu, Xuerui, et al.
Veröffentlicht: (2025)

Retina Vision Transformer (RetinaViT): Introducing Scaled Patches into Vision Transformers
von: Shu, Yuyang, et al.
Veröffentlicht: (2024)

LoopSparseGS: Loop Based Sparse-View Friendly Gaussian Splatting
von: Bao, Zhenyu, et al.
Veröffentlicht: (2024)

AutoLayout: Closed-Loop Layout Synthesis via Slow-Fast Collaborative Reasoning
von: Chen, Weixing, et al.
Veröffentlicht: (2025)

V-Loop: Visual Logical Loop Verification for Hallucination Detection in Medical Visual Question Answering
von: Jin, Mengyuan, et al.
Veröffentlicht: (2026)

Beyond Generation: Unlocking Universal Editing via Self-Supervised Fine-Tuning
von: Chen, Harold Haodong, et al.
Veröffentlicht: (2024)

ViEEG: Hierarchical Visual Neural Representation for EEG Brain Decoding
von: Liu, Minxu, et al.
Veröffentlicht: (2025)

Hierarchical Fine-grained Preference Optimization for Physically Plausible Video Generation
von: Chen, Harold Haodong, et al.
Veröffentlicht: (2025)

Think Visually, Reason Textually: Vision-Language Synergy in ARC
von: Zhang, Beichen, et al.
Veröffentlicht: (2025)

UniViTAR: Unified Vision Transformer with Native Resolution
von: Qiao, Limeng, et al.
Veröffentlicht: (2025)

LoopDB: A Loop Closure Dataset for Large Scale Simultaneous Localization and Mapping
von: Nakshbandi, Mohammad-Maher, et al.
Veröffentlicht: (2025)

CLOVA: A Closed-Loop Visual Assistant with Tool Usage and Update
von: Gao, Zhi, et al.
Veröffentlicht: (2023)

User-in-the-Loop View Sampling with Error Peaking Visualization
von: Yasunaga, Ayaka, et al.
Veröffentlicht: (2025)

Show, Don't Tell: Morphing Latent Reasoning into Image Generation
von: Chen, Harold Haodong, et al.
Veröffentlicht: (2026)

LoopSplat: Loop Closure by Registering 3D Gaussian Splats
von: Zhu, Liyuan, et al.
Veröffentlicht: (2024)

DD-VNB: A Depth-based Dual-Loop Framework for Real-time Visually Navigated Bronchoscopy
von: Tian, Qingyao, et al.
Veröffentlicht: (2024)

LORTSAR: Low-Rank Transformer for Skeleton-based Action Recognition
von: Oraki, Soroush, et al.
Veröffentlicht: (2024)

Video-in-the-Loop: Span-Grounded Long Video QA with Interleaved Reasoning
von: Wang, Chendong, et al.
Veröffentlicht: (2025)

Human-in-the-Loop Visual Re-ID for Population Size Estimation
von: Perez, Gustavo, et al.
Veröffentlicht: (2023)

Towards Effective Human-in-the-Loop Assistive AI Agents
von: Bellos, Filippos, et al.
Veröffentlicht: (2025)

Render-in-the-Loop: Vector Graphics Generation via Visual Self-Feedback
von: Liang, Guotao, et al.
Veröffentlicht: (2026)

Déjà View: Looping Transformers for Multi-View 3D Reconstruction
von: Burzio, Alessandro, et al.
Veröffentlicht: (2026)

Exploiting Lightweight Hierarchical ViT and Dynamic Framework for Efficient Visual Tracking
von: Kang, Ben, et al.
Veröffentlicht: (2025)

NaViL: Rethinking Scaling Properties of Native Multimodal Large Language Models under Data Constraints
von: Tian, Changyao, et al.
Veröffentlicht: (2025)

Scaling Spike-driven Transformer with Efficient Spike Firing Approximation Training
von: Yao, Man, et al.
Veröffentlicht: (2024)

LoopNet: A Multitasking Few-Shot Learning Approach for Loop Closure in Large Scale SLAM
von: Nakshbandi, Mohammad-Maher, et al.
Veröffentlicht: (2025)

Autonomous Imagination: Closed-Loop Decomposition of Visual-to-Textual Conversion in Visual Reasoning for Multimodal Large Language Models
von: Liu, Jingming, et al.
Veröffentlicht: (2024)

ViGoR-Bench: How Far Are Visual Generative Models From Zero-Shot Visual Reasoners?
von: Han, Haonan, et al.
Veröffentlicht: (2026)

EA-ViT: Efficient Adaptation for Elastic Vision Transformer
von: Zhu, Chen, et al.
Veröffentlicht: (2025)

Visual Loop Closure Detection Through Deep Graph Consensus
von: Büchner, Martin, et al.
Veröffentlicht: (2025)

Interactive Garment Recommendation with User in the Loop
von: Becattini, Federico, et al.
Veröffentlicht: (2024)

LA-Sign: Looped Transformers with Geometry-aware Alignment for Skeleton-based Sign Language Recognition
von: Pu, Muxin, et al.
Veröffentlicht: (2026)

TalkVid: A Large-Scale Diversified Dataset for Audio-Driven Talking Head Synthesis
von: Chen, Shunian, et al.
Veröffentlicht: (2025)