Buchumschlag

3ViewSense: Spatial and Mental Perspective Reasoning from Orthographic Views in Vision-Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhan, Shaoxiong, Lai, Yanlin, Liu, Zheng, Lin, Hai, Li, Shen, Cai, Xiaodong, Lin, Zijian, Huang, Wen, Zheng, Hai-Tao
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Auxiliary-Hyperparameter-Free Sampling: Entropy Equilibrium for Text Generation
von: Cai, Xiaodong, et al.
Veröffentlicht: (2025)

QAEA-DR: A Unified Text Augmentation Framework for Dense Retrieval
von: Tan, Hongming, et al.
Veröffentlicht: (2024)

MathSmith: Towards Extremely Hard Mathematical Reasoning by Forging Synthetic Problems with a Reinforced Policy
von: Zhan, Shaoxiong, et al.
Veröffentlicht: (2025)

ViewFusion: Structured Spatial Thinking Chains for Multi-View Reasoning
von: Tao, Xingjian, et al.
Veröffentlicht: (2026)

TopViewRS: Vision-Language Models as Top-View Spatial Reasoners
von: Li, Chengzu, et al.
Veröffentlicht: (2024)

A Hierarchical Framework for Measuring Scientific Paper Innovation via Large Language Models
von: Tan, Hongming, et al.
Veröffentlicht: (2025)

GaussianCAD: Robust Self-Supervised CAD Reconstruction from Three Orthographic Views Using 3D Gaussian Splatting
von: Zhou, Zheng, et al.
Veröffentlicht: (2025)

SemantiCache: Efficient KV Cache Compression via Semantic Chunking and Clustered Merging
von: Wu, Shunlong, et al.
Veröffentlicht: (2026)

RoboUniView: Visual-Language Model with Unified View Representation for Robotic Manipulation
von: Liu, Fanfan, et al.
Veröffentlicht: (2024)

Seeing Across Views: Benchmarking Spatial Reasoning of Vision-Language Models in Robotic Scenes
von: Feng, Zhiyuan, et al.
Veröffentlicht: (2025)

TangramPuzzle: Evaluating Multimodal Large Language Models with Compositional Spatial Reasoning
von: Liu, Daixian, et al.
Veröffentlicht: (2026)

Spatial Reasoning with Vision-Language Models in Ego-Centric Multi-View Scenes
von: Gholami, Mohsen, et al.
Veröffentlicht: (2025)

ParGo: Bridging Vision-Language with Partial and Global Views
von: Wang, An-Lan, et al.
Veröffentlicht: (2024)

ViewSpatial-Bench: Evaluating Multi-perspective Spatial Localization in Vision-Language Models
von: Li, Dingming, et al.
Veröffentlicht: (2025)

Beyond Semantics: An Evidential Reasoning-Aware Multi-View Learning Framework for Trustworthy Mental Health Prediction
von: Ruan, Yucheng, et al.
Veröffentlicht: (2026)

CrossViewDiff: A Cross-View Diffusion Model for Satellite-to-Street View Synthesis
von: Li, Weijia, et al.
Veröffentlicht: (2024)

Know Your Neighbors: Improving Single-View Reconstruction via Spatial Vision-Language Reasoning
von: Li, Rui, et al.
Veröffentlicht: (2024)

MindCube: Spatial Mental Modeling from Limited Views
von: Wang, Qineng, et al.
Veröffentlicht: (2025)

Sparkle: Mastering Basic Spatial Capabilities in Vision Language Models Elicits Generalization to Spatial Reasoning
von: Tang, Yihong, et al.
Veröffentlicht: (2024)

Learning Multi-View Spatial Reasoning from Cross-View Relations
von: Jeong, Suchae, et al.
Veröffentlicht: (2026)

Tri-Perspective View Decomposition for Geometry-Aware Depth Completion
von: Yan, Zhiqiang, et al.
Veröffentlicht: (2024)

Behavioral Bias of Vision-Language Models: A Behavioral Finance View
von: Xiao, Yuhang, et al.
Veröffentlicht: (2024)

Sparse Video Generation Propels Real-World Beyond-the-View Vision-Language Navigation
von: Zhang, Hai, et al.
Veröffentlicht: (2026)

MM-Point: Multi-View Information-Enhanced Multi-Modal Self-Supervised 3D Point Cloud Understanding
von: Yu, Hai-Tao, et al.
Veröffentlicht: (2024)

Orthographer: Generating Orthographic‐Style Projections for Elongated Architectural Structures
von: Yu‐Hsuan Hsieh, et al.
Veröffentlicht: (2026)

View-on-Graph: Zero-shot 3D Visual Grounding via Vision-Language Reasoning on Scene Graphs
von: Liu, Yuanyuan, et al.
Veröffentlicht: (2025)

OpenFMNav: Towards Open-Set Zero-Shot Object Navigation via Vision-Language Foundation Models
von: Kuang, Yuxuan, et al.
Veröffentlicht: (2024)

PEAfowl: Perception-Enhanced Multi-View Vision-Language-Action for Bimanual Manipulation
von: Fan, Qingyu, et al.
Veröffentlicht: (2026)

Thinking with Novel Views: A Systematic Analysis of Generative-Augmented Spatial Intelligence
von: Zhang, Yanbing, et al.
Veröffentlicht: (2026)

SIRI-Bench: Challenging VLMs' Spatial Intelligence through Complex Reasoning Tasks
von: Song, Zijian, et al.
Veröffentlicht: (2025)

Towards Cross-View Point Correspondence in Vision-Language Models
von: Wang, Yipu, et al.
Veröffentlicht: (2025)

UniView: Enhancing Novel View Synthesis From A Single Image By Unifying Reference Features
von: Cui, Haowang, et al.
Veröffentlicht: (2025)

Modeling Orthographic Variation Improves NLP Performance for Nigerian Pidgin
von: Lin, Pin-Jie, et al.
Veröffentlicht: (2024)

Perception Compressor: A Training-Free Prompt Compression Framework in Long Context Scenarios
von: Tang, Jiwei, et al.
Veröffentlicht: (2024)

CoV: Chain-of-View Prompting for Spatial Reasoning
von: Zhao, Haoyu, et al.
Veröffentlicht: (2026)

NeRF-Det++: Incorporating Semantic Cues and Perspective-aware Depth Supervision for Indoor Multi-View 3D Detection
von: Huang, Chenxi, et al.
Veröffentlicht: (2024)

Perspective-Aware Reasoning in Vision-Language Models via Mental Imagery Simulation
von: Lee, Phillip Y., et al.
Veröffentlicht: (2025)

SpatialLadder: Progressive Training for Spatial Reasoning in Vision-Language Models
von: Li, Hongxing, et al.
Veröffentlicht: (2025)

View Transformation Robustness for Multi-View 3D Object Reconstruction with Reconstruction Error-Guided View Selection
von: Zhang, Qi, et al.
Veröffentlicht: (2024)

How Well Do Vision--Language Models Understand Cities? A Comparative Study on Spatial Reasoning from Street-View Images
von: Ro, Juneyoung, et al.
Veröffentlicht: (2025)