Copertina

RegionReasoner: Region-Grounded Multi-Round Visual Reasoning

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Sun, Wenfang, Chen, Hao, Du, Yingjun, Zheng, Yefeng, Snoek, Cees G. M.
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Computer Vision and Pattern Recognition
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

QUOTA: Quantifying Objects with Text-to-Image Models for Any Domain
di: Sun, Wenfang, et al.
Pubblicazione: (2024)

IPO: Interpretable Prompt Optimization for Vision-Language Models
di: Du, Yingjun, et al.
Pubblicazione: (2024)

Training-Free Semantic Segmentation via LLM-Supervision
di: Sun, Wenfang, et al.
Pubblicazione: (2024)

SuperDisco: Super-Class Discovery Improves Visual Recognition for the Long-Tail
di: Du, Yingjun, et al.
Pubblicazione: (2023)

Commonsense Video Question Answering through Video-Grounded Entailment Tree Reasoning
di: Liu, Huabin, et al.
Pubblicazione: (2025)

R-MAE: Regions Meet Masked Autoencoders
di: Nguyen, Duy-Kien, et al.
Pubblicazione: (2023)

Prompt Diffusion Robustifies Any-Modality Prompt Learning
di: Du, Yingjun, et al.
Pubblicazione: (2024)

RCA: Region Conditioned Adaptation for Visual Abductive Reasoning
di: Zhang, Hao, et al.
Pubblicazione: (2023)

Low-Resource Vision Challenges for Foundation Models
di: Zhang, Yunhua, et al.
Pubblicazione: (2024)

FVO: Fast Visual Odometry with Transformers
di: Yugay, Vlardimir, et al.
Pubblicazione: (2025)

CaPo: Cooperative Plan Optimization for Efficient Embodied Multi-Agent Cooperation
di: Liu, Jie, et al.
Pubblicazione: (2024)

MIRG-RL: Multi-Image Reasoning and Grounding with Reinforcement Learning
di: Zheng, Lihao, et al.
Pubblicazione: (2025)

MIRROR: Multimodal Iterative Reasoning via Reflection on Visual Regions
di: Zhang, Haoyu, et al.
Pubblicazione: (2026)

Redefining Normal: A Novel Object-Level Approach for Multi-Object Novelty Detection
di: Salehi, Mohammadreza, et al.
Pubblicazione: (2024)

NeoBabel: A Multilingual Open Tower for Visual Generation
di: Derakhshani, Mohammad Mahdi, et al.
Pubblicazione: (2025)

TWIST & SCOUT: Grounding Multimodal LLM-Experts by Forget-Free Tuning
di: Bhowmik, Aritra, et al.
Pubblicazione: (2024)

Dual Guidance Semi-Supervised Action Detection
di: Singh, Ankit, et al.
Pubblicazione: (2025)

SimPLR: A Simple and Plain Transformer for Efficient Object Detection and Segmentation
di: Nguyen, Duy-Kien, et al.
Pubblicazione: (2023)

Visual Reasoning Tracer: Object-Level Grounded Reasoning Benchmark
di: Yuan, Haobo, et al.
Pubblicazione: (2025)

Segment Any 3D-Part in a Scene from a Sentence
di: Wu, Hongyu, et al.
Pubblicazione: (2025)

PIN: Positional Insert Unlocks Object Localisation Abilities in VLMs
di: Dorkenwald, Michael, et al.
Pubblicazione: (2024)

A Simple and Better Baseline for Visual Grounding
di: Wang, Jingchao, et al.
Pubblicazione: (2025)

Beyond Coarse-Grained Matching in Video-Text Retrieval
di: Chen, Aozhu, et al.
Pubblicazione: (2024)

LocoMotion: Learning Motion-Focused Video-Language Representations
di: Doughty, Hazel, et al.
Pubblicazione: (2024)

Progressive Language-guided Visual Learning for Multi-Task Visual Grounding
di: Wang, Jingchao, et al.
Pubblicazione: (2025)

Harmonious Parameter Adaptation in Continual Visual Instruction Tuning for Safety-Aligned MLLMs
di: Wang, Ziqi, et al.
Pubblicazione: (2025)

Guiding the Inner Eye: A Framework for Hierarchical and Flexible Visual Grounded Reasoning
di: Wei, Zhaoyang, et al.
Pubblicazione: (2025)

Connecting the Dots: Training-Free Visual Grounding via Agentic Reasoning
di: Luo, Liqin, et al.
Pubblicazione: (2025)

Grounded Reinforcement Learning for Visual Reasoning
di: Sarch, Gabriel, et al.
Pubblicazione: (2025)

MoAlign: Motion-Centric Representation Alignment for Video Diffusion Models
di: Bhowmik, Aritra, et al.
Pubblicazione: (2025)

Reasoning Matters for 3D Visual Grounding
di: Huang, Hsiang-Wei, et al.
Pubblicazione: (2026)

M3: High-fidelity Text-to-Image Generation via Multi-Modal, Multi-Agent and Multi-Round Visual Reasoning
di: Yang, Bangji, et al.
Pubblicazione: (2026)

Elastic ViTs from Pretrained Models without Retraining
di: Simoncini, Walter, et al.
Pubblicazione: (2025)

Lost in Time: A New Temporal Benchmark for VideoLLMs
di: Cores, Daniel, et al.
Pubblicazione: (2024)

MediRound: Multi-Round Entity-Level Reasoning Segmentation in Medical Images
di: Tong, Qinyue, et al.
Pubblicazione: (2025)

Any-Shift Prompting for Generalization over Distributions
di: Xiao, Zehao, et al.
Pubblicazione: (2024)

ReasonGrounder: LVLM-Guided Hierarchical Feature Splatting for Open-Vocabulary 3D Visual Grounding and Reasoning
di: Liu, Zhenyang, et al.
Pubblicazione: (2025)

Latent Visual Reasoning
di: Li, Bangzheng, et al.
Pubblicazione: (2025)

Union-over-Intersections: Object Detection beyond Winner-Takes-All
di: Bhowmik, Aritra, et al.
Pubblicazione: (2023)

MROSS: Multi-Round Region-based Optimization for Scene Sketching
di: Liang, Yiqi, et al.
Pubblicazione: (2024)