Buchumschlag

Can Unified Generation and Understanding Models Maintain Semantic Equivalence Across Different Output Modalities?

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jiang, Hongbo, Li, Jie, Shen, Yunhang, Dai, Pingyang, Sun, Xing, Cao, Haoyu, Cao, Liujuan
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

Unleashing MLLMs on the Edge: A Unified Framework for Cross-Modal ReID via Adaptive SVD Distillation
von: Jiang, Hongbo, et al.
Veröffentlicht: (2026)

FlexiReID: Adaptive Mixture of Expert for Multi-Modal Person Re-Identification
von: Sun, Zhen, et al.
Veröffentlicht: (2025)

Omni-Diffusion: Unified Multimodal Understanding and Generation with Masked Discrete Diffusion
von: Li, Lijiang, et al.
Veröffentlicht: (2026)

DPM++: Dynamic Masked Metric Learning for Occluded Person Re-identification
von: Tan, Lei, et al.
Veröffentlicht: (2026)

Knowing Where to Focus: Attention-Guided Alignment for Text-based Person Search
von: Tan, Lei, et al.
Veröffentlicht: (2024)

PartFormer: Awakening Latent Diverse Representation from Vision Transformer for Object Re-Identification
von: Tan, Lei, et al.
Veröffentlicht: (2024)

Understanding What Is Not Said:Referring Remote Sensing Image Segmentation with Scarce Expressions
von: Ye, Kai, et al.
Veröffentlicht: (2025)

HUWSOD: Holistic Self-training for Unified Weakly Supervised Object Detection
von: Cao, Liujuan, et al.
Veröffentlicht: (2024)

Attention Disturbance and Dual-Path Constraint Network for Occluded Person Re-identification
von: Xia, Jiaer, et al.
Veröffentlicht: (2023)

More Clear, More Flexible, More Precise: A Comprehensive Oriented Object Detection benchmark for UAV
von: Ye, Kai, et al.
Veröffentlicht: (2025)

RIS-LAD: A Benchmark and Model for Referring Low-Altitude Drone Image Segmentation
von: Ye, Kai, et al.
Veröffentlicht: (2025)

Evolving, Not Training: Zero-Shot Reasoning Segmentation via Evolutionary Prompting
von: Ye, Kai, et al.
Veröffentlicht: (2025)

What You Perceive Is What You Conceive: A Cognition-Inspired Framework for Open Vocabulary Image Segmentation
von: Lin, Jianghang, et al.
Veröffentlicht: (2025)

Pseudo-Label Quality Decoupling and Correction for Semi-Supervised Instance Segmentation
von: Lin, Jianghang, et al.
Veröffentlicht: (2025)

Few-Shot Image Quality Assessment via Adaptation of Vision-Language Models
von: Li, Xudong, et al.
Veröffentlicht: (2024)

Multi-Modal Prompt Learning on Blind Image Quality Assessment
von: Pan, Wensheng, et al.
Veröffentlicht: (2024)

Training-Free Hierarchical Scene Understanding for Gaussian Splatting with Superpoint Graphs
von: Dai, Shaohui, et al.
Veröffentlicht: (2025)

SEAM: Semantically Equivalent Across Modalities Benchmark for Vision-Language Models
von: Tang, Zhenwei, et al.
Veröffentlicht: (2025)

Adaptive Feature Selection for No-Reference Image Quality Assessment by Mitigating Semantic Noise Sensitivity
von: Li, Xudong, et al.
Veröffentlicht: (2023)

WildSeg3D: Segment Any 3D Objects in the Wild from 2D Images
von: Guo, Yansong, et al.
Veröffentlicht: (2025)

Cantor: Inspiring Multimodal Chain-of-Thought of MLLM
von: Gao, Timin, et al.
Veröffentlicht: (2024)

GOI: Find 3D Gaussians of Interest with an Optimizable Open-vocabulary Semantic-space Hyperplane
von: Qu, Yansong, et al.
Veröffentlicht: (2024)

UniVST: A Unified Framework for Training-free Localized Video Style Transfer
von: Song, Quanjian, et al.
Veröffentlicht: (2024)

Evolving High-Quality Rendering and Reconstruction in a Unified Framework with Contribution-Adaptive Regularization
von: Shen, You, et al.
Veröffentlicht: (2025)

StereoVGGT: A Training-Free Visual Geometry Transformer for Stereo Vision
von: Chen, Ziyang, et al.
Veröffentlicht: (2026)

DeOcc-1-to-3: 3D De-Occlusion from a Single Image via Self-Supervised Multi-View Diffusion
von: Qu, Yansong, et al.
Veröffentlicht: (2025)

Enhancing Visual Document Understanding with Contrastive Learning in Large Visual-Language Models
von: Li, Xin, et al.
Veröffentlicht: (2024)

UniPTS: A Unified Framework for Proficient Post-Training Sparsity
von: Xie, Jingjing, et al.
Veröffentlicht: (2024)

Unified Personalized Understanding, Generating and Editing
von: Zhong, Yu, et al.
Veröffentlicht: (2026)

Discover, Segment, and Select: A Progressive Mechanism for Zero-shot Camouflaged Object Segmentation
von: Yang, Yilong, et al.
Veröffentlicht: (2026)

Purifying, Labeling, and Utilizing: A High-Quality Pipeline for Small Object Detection
von: Wang, Siwei, et al.
Veröffentlicht: (2025)

Feature Denoising Diffusion Model for Blind Image Quality Assessment
von: Li, Xudong, et al.
Veröffentlicht: (2024)

RLE: A Unified Perspective of Data Augmentation for Cross-Spectral Re-identification
von: Tan, Lei, et al.
Veröffentlicht: (2024)

Solving the Catastrophic Forgetting Problem in Generalized Category Discovery
von: Cao, Xinzi, et al.
Veröffentlicht: (2025)

Depth-Guided Semi-Supervised Instance Segmentation
von: Chen, Xin, et al.
Veröffentlicht: (2024)

Director3D: Real-world Camera Trajectory and 3D Scene Generation from Text
von: Li, Xinyang, et al.
Veröffentlicht: (2024)

UniAlignment: Semantic Alignment for Unified Image Generation, Understanding, Manipulation and Perception
von: Song, Xinyang, et al.
Veröffentlicht: (2025)

UniPPTBench: A Unified Benchmark for Presentation Generation Across Diverse Input Settings
von: Zhao, Bo, et al.
Veröffentlicht: (2026)

Dual3D: Efficient and Consistent Text-to-3D Generation with Dual-mode Multi-view Latent Diffusion
von: Li, Xinyang, et al.
Veröffentlicht: (2024)

FlashWorld: High-quality 3D Scene Generation within Seconds
von: Li, Xinyang, et al.
Veröffentlicht: (2025)