MICON-Bench: Benchmarking and Enhancing Multi-Image Context Image Generation in Unified Multimodal Models
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Wu, Mingrui, Liu, Hang, Ji, Jiayi, Sun, Xiaoshuai, Ji, Rongrong |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
MIHBench: Benchmarking and Mitigating Multi-Image Hallucinations in Multimodal Large Language Models
par: Li, Jiale, et autres
Publié: (2025)
par: Li, Jiale, et autres
Publié: (2025)
M4-BLIP: Advancing Multi-Modal Media Manipulation Detection through Face-Enhanced Local Analysis
par: Wu, Hang, et autres
Publié: (2025)
par: Wu, Hang, et autres
Publié: (2025)
TraDiffusion: Trajectory-Based Training-Free Image Generation
par: Wu, Mingrui, et autres
Publié: (2024)
par: Wu, Mingrui, et autres
Publié: (2024)
Test-Time Computing for Referring Multimodal Large Language Models
par: Wu, Mingrui, et autres
Publié: (2026)
par: Wu, Mingrui, et autres
Publié: (2026)
Evaluating and Analyzing Relationship Hallucinations in Large Vision-Language Models
par: Wu, Mingrui, et autres
Publié: (2024)
par: Wu, Mingrui, et autres
Publié: (2024)
CIR-CoT: Towards Interpretable Composed Image Retrieval via End-to-End Chain-of-Thought Reasoning
par: Lin, Weihuang, et autres
Publié: (2025)
par: Lin, Weihuang, et autres
Publié: (2025)
AIGI-Holmes: Towards Explainable and Generalizable AI-Generated Image Detection via Multimodal Large Language Models
par: Zhou, Ziyin, et autres
Publié: (2025)
par: Zhou, Ziyin, et autres
Publié: (2025)
Rotated Multi-Scale Interaction Network for Referring Remote Sensing Image Segmentation
par: Liu, Sihan, et autres
Publié: (2023)
par: Liu, Sihan, et autres
Publié: (2023)
Image Captioning via Dynamic Path Customization
par: Ma, Yiwei, et autres
Publié: (2024)
par: Ma, Yiwei, et autres
Publié: (2024)
Mixed Degradation Image Restoration via Local Dynamic Optimization and Conditional Embedding
par: Gu, Yubin, et autres
Publié: (2024)
par: Gu, Yubin, et autres
Publié: (2024)
Any-to-3D Generation via Hybrid Diffusion Supervision
par: Fan, Yijun, et autres
Publié: (2024)
par: Fan, Yijun, et autres
Publié: (2024)
ControlMLLM: Training-Free Visual Prompt Learning for Multimodal Large Language Models
par: Wu, Mingrui, et autres
Publié: (2024)
par: Wu, Mingrui, et autres
Publié: (2024)
An Efficient and Mixed Heterogeneous Model for Image Restoration
par: Gu, Yubin, et autres
Publié: (2025)
par: Gu, Yubin, et autres
Publié: (2025)
Exploring Phrase-Level Grounding with Text-to-Image Diffusion Model
par: Yang, Danni, et autres
Publié: (2024)
par: Yang, Danni, et autres
Publié: (2024)
JM3D & JM3D-LLM: Elevating 3D Understanding with Joint Multi-modal Cues
par: Ji, Jiayi, et autres
Publié: (2023)
par: Ji, Jiayi, et autres
Publié: (2023)
$γ-$MoD: Exploring Mixture-of-Depth Adaptation for Multimodal Large Language Models
par: Luo, Yaxin, et autres
Publié: (2024)
par: Luo, Yaxin, et autres
Publié: (2024)
X-Oscar: A Progressive Framework for High-quality Text-guided 3D Animatable Avatar Generation
par: Ma, Yiwei, et autres
Publié: (2024)
par: Ma, Yiwei, et autres
Publié: (2024)
I2EBench: A Comprehensive Benchmark for Instruction-based Image Editing
par: Ma, Yiwei, et autres
Publié: (2024)
par: Ma, Yiwei, et autres
Publié: (2024)
INF-LLaVA: Dual-perspective Perception for High-Resolution Multimodal Large Language Model
par: Ma, Yiwei, et autres
Publié: (2024)
par: Ma, Yiwei, et autres
Publié: (2024)
Multi-branch Collaborative Learning Network for 3D Visual Grounding
par: Qian, Zhipeng, et autres
Publié: (2024)
par: Qian, Zhipeng, et autres
Publié: (2024)
MLLM-Selector: Necessity and Diversity-driven High-Value Data Selection for Enhanced Visual Instruction Tuning
par: Ma, Yiwei, et autres
Publié: (2025)
par: Ma, Yiwei, et autres
Publié: (2025)
Beat: Bi-directional One-to-Many Embedding Alignment for Text-based Person Retrieval
par: Ma, Yiwei, et autres
Publié: (2024)
par: Ma, Yiwei, et autres
Publié: (2024)
3D-GRES: Generalized 3D Referring Expression Segmentation
par: Wu, Changli, et autres
Publié: (2024)
par: Wu, Changli, et autres
Publié: (2024)
Feast Your Eyes: Mixture-of-Resolution Adaptation for Multimodal Large Language Models
par: Luo, Gen, et autres
Publié: (2024)
par: Luo, Gen, et autres
Publié: (2024)
Towards General Visual-Linguistic Face Forgery Detection(V2)
par: Sun, Ke, et autres
Publié: (2025)
par: Sun, Ke, et autres
Publié: (2025)
DiffusionFake: Enhancing Generalization in Deepfake Detection via Guided Stable Diffusion
par: Sun, Ke, et autres
Publié: (2024)
par: Sun, Ke, et autres
Publié: (2024)
RePrompt: Reasoning-Augmented Reprompting for Text-to-Image Generation via Reinforcement Learning
par: Wu, Mingrui, et autres
Publié: (2025)
par: Wu, Mingrui, et autres
Publié: (2025)
Omni-Referring Image Segmentation
par: Zheng, Qiancheng, et autres
Publié: (2025)
par: Zheng, Qiancheng, et autres
Publié: (2025)
HRSeg: High-Resolution Visual Perception and Enhancement for Reasoning Segmentation
par: Lin, Weihuang, et autres
Publié: (2025)
par: Lin, Weihuang, et autres
Publié: (2025)
Grounded Chain-of-Thought for Multimodal Large Language Models
par: Wu, Qiong, et autres
Publié: (2025)
par: Wu, Qiong, et autres
Publié: (2025)
X-Dreamer: Creating High-quality 3D Content by Bridging the Domain Gap Between Text-to-2D and Text-to-3D Generation
par: Ma, Yiwei, et autres
Publié: (2023)
par: Ma, Yiwei, et autres
Publié: (2023)
Zooming In on Fakes: A Novel Dataset for Localized AI-Generated Image Detection with Forgery Amplification Approach
par: Cai, Lvpan, et autres
Publié: (2025)
par: Cai, Lvpan, et autres
Publié: (2025)
SAM as the Guide: Mastering Pseudo-Label Refinement in Semi-Supervised Referring Expression Segmentation
par: Yang, Danni, et autres
Publié: (2024)
par: Yang, Danni, et autres
Publié: (2024)
PixDLM: A Dual-Path Multimodal Language Model for UAV Reasoning Segmentation
par: Ke, Shuyan, et autres
Publié: (2026)
par: Ke, Shuyan, et autres
Publié: (2026)
IPDN: Image-enhanced Prompt Decoding Network for 3D Referring Expression Segmentation
par: Chen, Qi, et autres
Publié: (2025)
par: Chen, Qi, et autres
Publié: (2025)
OIG-Bench: A Multi-Agent Annotated Benchmark for Multimodal One-Image Guides Understanding
par: Xie, Jiancong, et autres
Publié: (2025)
par: Xie, Jiancong, et autres
Publié: (2025)
Unified-Width Adaptive Dynamic Network for All-In-One Image Restoration
par: Xu, Yimin, et autres
Publié: (2024)
par: Xu, Yimin, et autres
Publié: (2024)
FlashSloth: Lightning Multimodal Large Language Models via Embedded Visual Compression
par: Tong, Bo, et autres
Publié: (2024)
par: Tong, Bo, et autres
Publié: (2024)
MMRareBench: A Rare-Disease Multimodal and Multi-Image Medical Benchmark
par: Ning, Junzhi, et autres
Publié: (2026)
par: Ning, Junzhi, et autres
Publié: (2026)
HRSAM: Efficient Interactive Segmentation in High-Resolution Images
par: Huang, You, et autres
Publié: (2024)
par: Huang, You, et autres
Publié: (2024)
Documents similaires
-
MIHBench: Benchmarking and Mitigating Multi-Image Hallucinations in Multimodal Large Language Models
par: Li, Jiale, et autres
Publié: (2025) -
M4-BLIP: Advancing Multi-Modal Media Manipulation Detection through Face-Enhanced Local Analysis
par: Wu, Hang, et autres
Publié: (2025) -
TraDiffusion: Trajectory-Based Training-Free Image Generation
par: Wu, Mingrui, et autres
Publié: (2024) -
Test-Time Computing for Referring Multimodal Large Language Models
par: Wu, Mingrui, et autres
Publié: (2026) -
Evaluating and Analyzing Relationship Hallucinations in Large Vision-Language Models
par: Wu, Mingrui, et autres
Publié: (2024)