Buchumschlag

MicroVerse: A Preliminary Exploration Toward a Micro-World Simulation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Rongsheng, Wu, Minghao, Zhou, Hongru, Yu, Zhihan, Cai, Zhenyang, Chen, Junying, Wang, Benyou
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Artificial Intelligence Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

MedGen: Unlocking Medical Video Generation by Scaling Granularly-annotated Medical Videos
von: Wang, Rongsheng, et al.
Veröffentlicht: (2025)

Exploring Compositional Generalization of Multimodal LLMs for Medical Imaging
von: Cai, Zhenyang, et al.
Veröffentlicht: (2024)

ShareGPT-4o-Image: Aligning Multimodal Models with GPT-4o-Level Image Generation
von: Chen, Junying, et al.
Veröffentlicht: (2025)

ShizhenGPT: Towards Multimodal LLMs for Traditional Chinese Medicine
von: Chen, Junying, et al.
Veröffentlicht: (2025)

HuatuoGPT-Vision, Towards Injecting Medical Visual Knowledge into Multimodal LLMs at Scale
von: Chen, Junying, et al.
Veröffentlicht: (2024)

UrbanVerse: Scaling Urban Simulation by Watching City-Tour Videos
von: Liu, Mingxuan, et al.
Veröffentlicht: (2025)

LongLLaVA: Scaling Multi-modal LLMs to 1000 Images Efficiently via a Hybrid Architecture
von: Wang, Xidong, et al.
Veröffentlicht: (2024)

A Benchmark for Incremental Micro-expression Recognition
von: Lai, Zhengqin, et al.
Veröffentlicht: (2025)

Virgo: A Preliminary Exploration on Reproducing o1-like MLLM
von: Du, Yifan, et al.
Veröffentlicht: (2025)

DreamSAC: Learning Hamiltonian World Models via Symmetry Exploration
von: Tang, Jinzhou, et al.
Veröffentlicht: (2026)

ShareVerse: Multi-Agent Consistent Video Generation for Shared World Modeling
von: Zhu, Jiayi, et al.
Veröffentlicht: (2026)

Can Multimodal LLMs See Materials Clearly? A Multimodal Benchmark on Materials Characterization
von: Lai, Zhengzhao, et al.
Veröffentlicht: (2025)

VerseCrafter: Dynamic Realistic Video World Model with 4D Geometric Control
von: Zheng, Sixiao, et al.
Veröffentlicht: (2026)

TalkVerse: Democratizing Minute-Long Audio-Driven Video Generation
von: Wang, Zhenzhi, et al.
Veröffentlicht: (2025)

WorldEdit: Towards Open-World Image Editing with a Knowledge-Informed Benchmark
von: Lin, Wang, et al.
Veröffentlicht: (2026)

MA-Bench: Towards Fine-grained Micro-Action Understanding
von: Li, Kun, et al.
Veröffentlicht: (2026)

Beyond ViT Tokens: Masked-Diffusion Pretrained Convolutional Pathology Foundation Model for Cell-Level Dense Prediction
von: Chen, Weiming, et al.
Veröffentlicht: (2026)

A Preliminary Exploration Towards General Image Restoration
von: Kong, Xiangtao, et al.
Veröffentlicht: (2024)

Prototype Learning for Micro-gesture Classification
von: Chen, Guoliang, et al.
Veröffentlicht: (2024)

DRRNet: Macro-Micro Feature Fusion and Dual Reverse Refinement for Camouflaged Object Detection
von: Sun, Jianlin, et al.
Veröffentlicht: (2025)

DeepVerse: 4D Autoregressive Video Generation as a World Model
von: Chen, Junyi, et al.
Veröffentlicht: (2025)

NutritionVerse: Empirical Study of Various Dietary Intake Estimation Approaches
von: Tai, Chi-en Amy, et al.
Veröffentlicht: (2023)

Adv-CPG: A Customized Portrait Generation Framework with Facial Adversarial Attacks
von: Wang, Junying, et al.
Veröffentlicht: (2025)

Boosting Generalizability towards Zero-Shot Cross-Dataset Single-Image Indoor Depth by Meta-Initialization
von: Wu, Cho-Ying, et al.
Veröffentlicht: (2024)

Sekai: A Video Dataset towards World Exploration
von: Li, Zhen, et al.
Veröffentlicht: (2025)

MM-Gesture: Towards Precise Micro-Gesture Recognition through Multimodal Fusion
von: Gu, Jihao, et al.
Veröffentlicht: (2025)

Latent Bias Alignment for High-Fidelity Diffusion Inversion in Real-World Image Reconstruction and Manipulation
von: Chen, Weiming, et al.
Veröffentlicht: (2026)

MetaScope: Optics-Driven Neural Network for Ultra-Micro Metalens Endoscopy
von: Li, Wuyang, et al.
Veröffentlicht: (2025)

EditWorld: Simulating World Dynamics for Instruction-Following Image Editing
von: Yang, Ling, et al.
Veröffentlicht: (2024)

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

MicroAUNet: Boundary-Enhanced Multi-scale Fusion with Knowledge Distillation for Colonoscopy Polyp Image Segmentation
von: Wang, Ziyi, et al.
Veröffentlicht: (2025)

PanoWorld: Towards Spatial Supersensing in 360$^\circ$ Panorama World
von: Wang, Changpeng, et al.
Veröffentlicht: (2026)

Towards Efficient Diffusion-Based Image Editing with Instant Attention Masks
von: Zou, Siyu, et al.
Veröffentlicht: (2024)

Temporal and Spatial Feature Fusion Framework for Dynamic Micro Expression Recognition
von: Liu, Feng, et al.
Veröffentlicht: (2025)

Exploring the Limits of Semantic Image Compression at Micro-bits per Pixel
von: Dotzel, Jordan, et al.
Veröffentlicht: (2024)

Micro-expression Recognition Based on Dual-branch Feature Extraction and Fusion
von: Zhang, Mingjie, et al.
Veröffentlicht: (2026)

Generative Semantic Coding for Ultra-Low Bitrate Visual Communication and Analysis
von: Chen, Weiming, et al.
Veröffentlicht: (2025)

Runge-Kutta Approximation and Decoupled Attention for Rectified Flow Inversion and Semantic Editing
von: Chen, Weiming, et al.
Veröffentlicht: (2025)

Towards Multi-dimensional Explanation Alignment for Medical Classification
von: Hu, Lijie, et al.
Veröffentlicht: (2024)

ModaVerse: Efficiently Transforming Modalities with LLMs
von: Wang, Xinyu, et al.
Veröffentlicht: (2024)