MultiHaystack: Benchmarking Multimodal Retrieval and Reasoning over 40K Images, Videos, and Documents
Fuente:
arXiv
Salvato in:
| Autori principali: | Xu, Dannong, Yang, Zhongyu, Chen, Jun, Yuan, Yingfang, Hu, Ming, Sun, Lei, Van Gool, Luc, Paudel, Danda Pani, Feng, Chun-Mei |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2026
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Lego: Learning to Disentangle and Invert Personalized Concepts Beyond Object Appearance in Text-to-Image Diffusion Models
di: Motamed, Saman, et al.
Pubblicazione: (2023)
di: Motamed, Saman, et al.
Pubblicazione: (2023)
Autonomous Vehicle Controllers From End-to-End Differentiable Simulation
di: Nachkov, Asen, et al.
Pubblicazione: (2024)
di: Nachkov, Asen, et al.
Pubblicazione: (2024)
EvenNICER-SLAM: Event-based Neural Implicit Encoding SLAM
di: Chen, Shi, et al.
Pubblicazione: (2024)
di: Chen, Shi, et al.
Pubblicazione: (2024)
Document Haystacks: Vision-Language Reasoning Over Piles of 1000+ Documents
di: Chen, Jun, et al.
Pubblicazione: (2024)
di: Chen, Jun, et al.
Pubblicazione: (2024)
RICO: Two Realistic Benchmarks and an In-Depth Analysis for Incremental Learning in Object Detection
di: Neuwirth-Trapp, Matthias, et al.
Pubblicazione: (2025)
di: Neuwirth-Trapp, Matthias, et al.
Pubblicazione: (2025)
Implicit-Zoo: A Large-Scale Dataset of Neural Implicit Functions for 2D Images and 3D Scenes
di: Ma, Qi, et al.
Pubblicazione: (2024)
di: Ma, Qi, et al.
Pubblicazione: (2024)
Continuous Pose for Monocular Cameras in Neural Implicit Representation
di: Ma, Qi, et al.
Pubblicazione: (2023)
di: Ma, Qi, et al.
Pubblicazione: (2023)
From Synchrony to Sequence: Exo-to-Ego Generation via Interpolation
di: Mahdi, Mohammad, et al.
Pubblicazione: (2026)
di: Mahdi, Mohammad, et al.
Pubblicazione: (2026)
Vision encoders should be image size agnostic and task driven
di: Prisadnikov, Nedyalko, et al.
Pubblicazione: (2025)
di: Prisadnikov, Nedyalko, et al.
Pubblicazione: (2025)
Self-supervised pretraining for an iterative image size agnostic vision transformer
di: Prisadnikov, Nedyalko, et al.
Pubblicazione: (2026)
di: Prisadnikov, Nedyalko, et al.
Pubblicazione: (2026)
A Simple and Generalist Approach for Panoptic Segmentation
di: Prisadnikov, Nedyalko, et al.
Pubblicazione: (2024)
di: Prisadnikov, Nedyalko, et al.
Pubblicazione: (2024)
Script: Graph-Structured and Query-Conditioned Semantic Token Pruning for Multimodal Large Language Models
di: Yang, Zhongyu, et al.
Pubblicazione: (2025)
di: Yang, Zhongyu, et al.
Pubblicazione: (2025)
Inferring Compositional 4D Scenes without Ever Seeing One
di: Gokmen, Ahmet Berke, et al.
Pubblicazione: (2025)
di: Gokmen, Ahmet Berke, et al.
Pubblicazione: (2025)
Taming CLIP for Fine-grained and Structured Visual Understanding of Museum Exhibits
di: Balauca, Ada-Astrid, et al.
Pubblicazione: (2024)
di: Balauca, Ada-Astrid, et al.
Pubblicazione: (2024)
Incremental Object Detection with Prompt-based Methods
di: Neuwirth-Trapp, Matthias, et al.
Pubblicazione: (2025)
di: Neuwirth-Trapp, Matthias, et al.
Pubblicazione: (2025)
Occam's LGS: An Efficient Approach for Language Gaussian Splatting
di: Cheng, Jiahuan, et al.
Pubblicazione: (2024)
di: Cheng, Jiahuan, et al.
Pubblicazione: (2024)
EgoCross: Benchmarking Multimodal Large Language Models for Cross-Domain Egocentric Video Question Answering
di: Li, Yanjun, et al.
Pubblicazione: (2025)
di: Li, Yanjun, et al.
Pubblicazione: (2025)
Exo2EgoSyn: Unlocking Foundation Video Generation Models for Exocentric-to-Egocentric Video Synthesis
di: Mahdi, Mohammad, et al.
Pubblicazione: (2025)
di: Mahdi, Mohammad, et al.
Pubblicazione: (2025)
Are Multimodal Large Language Models Ready for Omnidirectional Spatial Reasoning?
di: Dongfang, Zihao, et al.
Pubblicazione: (2025)
di: Dongfang, Zihao, et al.
Pubblicazione: (2025)
SeasonScapes: Learning Large-scale Re-lightable 3D Landscapes with Seasonal Variation from Sparse Webcams
di: Kleger, Timo, et al.
Pubblicazione: (2026)
di: Kleger, Timo, et al.
Pubblicazione: (2026)
Ternary-Type Opacity and Hybrid Odometry for RGB NeRF-SLAM
di: Lin, Junru, et al.
Pubblicazione: (2023)
di: Lin, Junru, et al.
Pubblicazione: (2023)
Cross-View Multi-Modal Segmentation @ Ego-Exo4D Challenges 2025
di: Fu, Yuqian, et al.
Pubblicazione: (2025)
di: Fu, Yuqian, et al.
Pubblicazione: (2025)
GaussianVLM: Scene-centric 3D Vision-Language Models using Language-aligned Gaussian Splats for Embodied Reasoning and Beyond
di: Halacheva, Anna-Maria, et al.
Pubblicazione: (2025)
di: Halacheva, Anna-Maria, et al.
Pubblicazione: (2025)
ReVLA: Reverting Visual Domain Limitation of Robotic Foundation Models
di: Dey, Sombit, et al.
Pubblicazione: (2024)
di: Dey, Sombit, et al.
Pubblicazione: (2024)
Autonomous Vehicle Path Planning by Searching With Differentiable Simulation
di: Nachkov, Asen, et al.
Pubblicazione: (2025)
di: Nachkov, Asen, et al.
Pubblicazione: (2025)
Unlocking Efficient Vehicle Dynamics Modeling via Analytic World Models
di: Nachkov, Asen, et al.
Pubblicazione: (2025)
di: Nachkov, Asen, et al.
Pubblicazione: (2025)
Generalist Robot Manipulation beyond Action Labeled Data
di: Spiridonov, Alexander, et al.
Pubblicazione: (2025)
di: Spiridonov, Alexander, et al.
Pubblicazione: (2025)
FireScope: Wildfire Risk Raster Prediction with a Chain-of-Thought Oracle
di: Markov, Mario, et al.
Pubblicazione: (2025)
di: Markov, Mario, et al.
Pubblicazione: (2025)
B-GRTO: Bootstrapped Group Relative Tool Optimization for Referring Segmentation
di: Markov, Mario, et al.
Pubblicazione: (2026)
di: Markov, Mario, et al.
Pubblicazione: (2026)
Learning Generative Interactive Environments By Trained Agent Exploration
di: Kazemi, Naser, et al.
Pubblicazione: (2024)
di: Kazemi, Naser, et al.
Pubblicazione: (2024)
EvDiff: High Quality Video with an Event Camera
di: Li, Weilun, et al.
Pubblicazione: (2025)
di: Li, Weilun, et al.
Pubblicazione: (2025)
Partial CLIP is Enough: Chimera-Seg for Zero-shot Semantic Segmentation
di: Chen, Jialei, et al.
Pubblicazione: (2025)
di: Chen, Jialei, et al.
Pubblicazione: (2025)
Rethinking Global Context in Crowd Counting
di: Sun, Guolei, et al.
Pubblicazione: (2021)
di: Sun, Guolei, et al.
Pubblicazione: (2021)
Reducing Unimodal Bias in Multi-Modal Semantic Segmentation with Multi-Scale Functional Entropy Regularization
di: Zheng, Xu, et al.
Pubblicazione: (2025)
di: Zheng, Xu, et al.
Pubblicazione: (2025)
Exploration-Driven Generative Interactive Environments
di: Savov, Nedko, et al.
Pubblicazione: (2025)
di: Savov, Nedko, et al.
Pubblicazione: (2025)
BiXFormer: A Robust Framework for Maximizing Modality Effectiveness in Multi-Modal Semantic Segmentation
di: Chen, Jialei, et al.
Pubblicazione: (2025)
di: Chen, Jialei, et al.
Pubblicazione: (2025)
StateSpaceDiffuser: Bringing Long Context to Diffusion World Models
di: Savov, Nedko, et al.
Pubblicazione: (2025)
di: Savov, Nedko, et al.
Pubblicazione: (2025)
From Scan to Action: Leveraging Realistic Scans for Embodied Scene Understanding
di: Halacheva, Anna-Maria, et al.
Pubblicazione: (2025)
di: Halacheva, Anna-Maria, et al.
Pubblicazione: (2025)
XTrack: Multimodal Training Boosts RGB-X Video Object Trackers
di: Tan, Yuedong, et al.
Pubblicazione: (2024)
di: Tan, Yuedong, et al.
Pubblicazione: (2024)
EgoSpot:Egocentric Multimodal Control for Hands-Free Mobile Manipulation
di: Zhang, Ganlin, et al.
Pubblicazione: (2023)
di: Zhang, Ganlin, et al.
Pubblicazione: (2023)
Documenti analoghi
-
Lego: Learning to Disentangle and Invert Personalized Concepts Beyond Object Appearance in Text-to-Image Diffusion Models
di: Motamed, Saman, et al.
Pubblicazione: (2023) -
Autonomous Vehicle Controllers From End-to-End Differentiable Simulation
di: Nachkov, Asen, et al.
Pubblicazione: (2024) -
EvenNICER-SLAM: Event-based Neural Implicit Encoding SLAM
di: Chen, Shi, et al.
Pubblicazione: (2024) -
Document Haystacks: Vision-Language Reasoning Over Piles of 1000+ Documents
di: Chen, Jun, et al.
Pubblicazione: (2024) -
RICO: Two Realistic Benchmarks and an In-Depth Analysis for Incremental Learning in Object Detection
di: Neuwirth-Trapp, Matthias, et al.
Pubblicazione: (2025)