Buchumschlag

MSRAMIE: Multimodal Structured Reasoning Agent for Multi-instruction Image Editing

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Qiu, Zhaoyuan, Chen, Ken, Wang, Xiangwei, Xia, Yu, Seneviratne, Sachith, Halgamuge, Saman
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Parameter-efficient Prompt Tuning and Hierarchical Textual Guidance for Few-shot Whole Slide Image Classification
von: Bogahawatte, Jayanie, et al.
Veröffentlicht: (2026)

SphOR: A Representation Learning Perspective on Open-set Recognition for Identifying Unknown Classes in Deep Learning Models
von: Bahavan, Nadarasar, et al.
Veröffentlicht: (2025)

Beyond Deepfake vs Real: Facial Deepfake Detection in the Open-Set Paradigm
von: Bahavan, Nadarasar, et al.
Veröffentlicht: (2025)

GINN-KAN: Interpretability pipelining with applications in Physics Informed Neural Networks
von: Ranasinghe, Nisal, et al.
Veröffentlicht: (2024)

TT-MPD: Test Time Model Pruning and Distillation
von: Wu, Haihang, et al.
Veröffentlicht: (2024)

Rethinking Time Series Forecasting with LLMs via Nearest Neighbor Contrastive Learning
von: Bogahawatte, Jayanie, et al.
Veröffentlicht: (2024)

Discovering Process-Outcome Credit in Multi-Step LLM Reasoning
von: Wang, Xiangwei, et al.
Veröffentlicht: (2026)

AniFaceDiff: Animating Stylized Avatars via Parametric Conditioned Diffusion Models
von: Chen, Ken, et al.
Veröffentlicht: (2024)

GINN-LP: A Growing Interpretable Neural Network for Discovering Multivariate Laurent Polynomial Equations
von: Ranasinghe, Nisal, et al.
Veröffentlicht: (2023)

ReasonEdit: Editing Vision-Language Models using Human Reasoning
von: Qiu, Jiaxing, et al.
Veröffentlicht: (2026)

ImageEdit-R1: Boosting Multi-Agent Image Editing via Reinforcement Learning
von: Zhao, Yiran, et al.
Veröffentlicht: (2026)

Discriminative Sample-Guided and Parameter-Efficient Feature Space Adaptation for Cross-Domain Few-Shot Learning
von: Perera, Rashindrie, et al.
Veröffentlicht: (2024)

Wilcoxon Nonparametric CFAR Scheme for Ship Detection in SAR Image
von: Meng, Xiangwei
Veröffentlicht: (2024)

DDA-Thinker: Decoupled Dual-Atomic Reinforcement Learning for Reasoning-Driven Image Editing
von: Yang, Hanqing, et al.
Veröffentlicht: (2026)

CiQi-Agent: Aligning Vision, Tools and Aesthetics in Multimodal Agent for Cultural Reasoning on Chinese Porcelains
von: Wang, Wenhan, et al.
Veröffentlicht: (2026)

DPDEdit: Detail-Preserved Diffusion Models for Multimodal Fashion Image Editing
von: Wang, Xiaolong, et al.
Veröffentlicht: (2024)

Coupled Diffusion Sampling for Training-Free Multi-View Image Editing
von: Alzayer, Hadi, et al.
Veröffentlicht: (2025)

Multi-Agent Image Restoration
von: Jiang, Xu, et al.
Veröffentlicht: (2025)

DART: Leveraging Multi-Agent Disagreement for Tool Recruitment in Multimodal Reasoning
von: Sivakumaran, Nithin, et al.
Veröffentlicht: (2025)

Image-POSER: Reflective RL for Multi-Expert Image Generation and Editing
von: Mohebbi, Hossein, et al.
Veröffentlicht: (2025)

MCIE: Multimodal LLM-Driven Complex Instruction Image Editing with Spatial Guidance
von: Bai, Xuehai, et al.
Veröffentlicht: (2026)

DeepGen 1.0: A Lightweight Unified Multimodal Model for Advancing Image Generation and Editing
von: Wang, Dianyi, et al.
Veröffentlicht: (2026)

UniReason 1.0: A Unified Reasoning Framework for World Knowledge Aligned Image Generation and Editing
von: Wang, Dianyi, et al.
Veröffentlicht: (2026)

ImAgent: A Unified Multimodal Agent Framework for Test-Time Scalable Image Generation
von: Wang, Kaishen, et al.
Veröffentlicht: (2025)

3D-Layout-R1: Structured Reasoning for Language-Instructed Spatial Editing
von: Zhen, Haoyu, et al.
Veröffentlicht: (2026)

TinySAM 2: Extreme Memory Compression for Efficient Track Anything Model
von: Ding, Zhaoyuan, et al.
Veröffentlicht: (2026)

MARIC: Multi-Agent Reasoning for Image Classification
von: Seo, Wonduk, et al.
Veröffentlicht: (2025)

Seg-Agent: Test-Time Multimodal Reasoning for Training-Free Language-Guided Segmentation
von: Hao, Chao, et al.
Veröffentlicht: (2026)

Decoupling the Image Perception and Multimodal Reasoning for Reasoning Segmentation with Digital Twin Representations
von: Li, Yizhen, et al.
Veröffentlicht: (2025)

MMedAgent-RL: Optimizing Multi-Agent Collaboration for Multimodal Medical Reasoning
von: Xia, Peng, et al.
Veröffentlicht: (2025)

Instruction-based Image Editing with Planning, Reasoning, and Generation
von: Ji, Liya, et al.
Veröffentlicht: (2026)

DiT-VTON: Diffusion Transformer Framework for Unified Multi-Category Virtual Try-On and Virtual Try-All with Integrated Image Editing
von: Li, Qi, et al.
Veröffentlicht: (2025)

Draw-In-Mind: Rebalancing Designer-Painter Roles in Unified Multimodal Models Benefits Image Editing
von: Zeng, Ziyun, et al.
Veröffentlicht: (2025)

ChartM$^3$: Benchmarking Chart Editing with Multimodal Instructions
von: Yang, Donglu, et al.
Veröffentlicht: (2025)

DIRECT: Video Mashup Creation via Hierarchical Multi-Agent Planning and Intent-Guided Editing
von: Li, Ke, et al.
Veröffentlicht: (2026)

Visual Document Understanding and Reasoning: A Multi-Agent Collaboration Framework with Agent-Wise Adaptive Test-Time Scaling
von: Yu, Xinlei, et al.
Veröffentlicht: (2025)

RegionE: Adaptive Region-Aware Generation for Efficient Image Editing
von: Chen, Pengtao, et al.
Veröffentlicht: (2025)

Multimodal Tabular Reasoning with Privileged Structured Information
von: Jiang, Jun-Peng, et al.
Veröffentlicht: (2025)

Token-Efficient Multimodal Reasoning via Image Prompt Packaging
von: Choi, Joong Ho, et al.
Veröffentlicht: (2026)

HP-Edit: A Human-Preference Post-Training Framework for Image Editing
von: Li, Fan, et al.
Veröffentlicht: (2026)