Buchumschlag

MultihopSpatial: Multi-hop Compositional Spatial Reasoning Benchmark for Vision-Language Model

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lee, Youngwan, Jang, Soojin, Cho, Yoorhim, Lee, Seunghwan, Lee, Yong-Ju, Hwang, Sung Ju
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

KOALA: Empirical Lessons Toward Memory-Efficient and Fast Diffusion Models for Text-to-Image Synthesis
von: Lee, Youngwan, et al.
Veröffentlicht: (2023)

HoliSafe: Holistic Safety Benchmarking and Modeling for Vision-Language Model
von: Lee, Youngwan, et al.
Veröffentlicht: (2025)

Visualizing the loss landscape of Self-supervised Vision Transformer
von: Lee, Youngwan, et al.
Veröffentlicht: (2024)

EVEREST: Efficient Masked Video Autoencoder by Removing Redundant Spatiotemporal Tokens
von: Hwang, Sunil, et al.
Veröffentlicht: (2022)

Concept-skill Transferability-based Data Selection for Large Vision-Language Models
von: Lee, Jaewoo, et al.
Veröffentlicht: (2024)

Identity Decoupling for Multi-Subject Personalization of Text-to-Image Models
von: Jang, Sangwon, et al.
Veröffentlicht: (2024)

VideoICL: Confidence-based Iterative In-context Learning for Out-of-Distribution Video Understanding
von: Kim, Kangsan, et al.
Veröffentlicht: (2024)

Simple yet Effective Semi-supervised Knowledge Distillation from Vision-Language Models via Dual-Head Optimization
von: Kang, Seongjae, et al.
Veröffentlicht: (2025)

SpatiO: Adaptive Test-Time Orchestration of Vision-Language Agents for Spatial Reasoning
von: Hwang, Chan Yeong, et al.
Veröffentlicht: (2026)

Keep it SymPL: Symbolic Projective Layout for Allocentric Spatial Reasoning in Vision-Language Models
von: Jang, Jaeyun, et al.
Veröffentlicht: (2026)

Semantic Watermarking Reinvented: Enhancing Robustness and Generation Quality with Fourier Integrity
von: Lee, Sung Ju, et al.
Veröffentlicht: (2025)

PhaseMark: A Post-hoc, Optimization-Free Watermarking of AI-generated Images in the Latent Frequency Domain
von: Lee, Sung Ju, et al.
Veröffentlicht: (2026)

Video-MSR: Benchmarking Multi-hop Spatial Reasoning Capabilities of MLLMs
von: Zhu, Rui, et al.
Veröffentlicht: (2026)

SPARK: Multi-Vision Sensor Perception and Reasoning Benchmark for Large-scale Vision-Language Models
von: Yu, Youngjoon, et al.
Veröffentlicht: (2024)

It's Time to Get It Right: Improving Analog Clock Reading and Clock-Hand Spatial Reasoning in Vision-Language Models
von: Choi, Jaeha, et al.
Veröffentlicht: (2026)

MA-EgoQA: Question Answering over Egocentric Videos from Multiple Embodied Agents
von: Kim, Kangsan, et al.
Veröffentlicht: (2026)

Spatial-DISE: A Unified Benchmark for Evaluating Spatial Reasoning in Vision-Language Models
von: Huang, Xinmiao, et al.
Veröffentlicht: (2025)

BECoTTA: Input-dependent Online Blending of Experts for Continual Test-time Adaptation
von: Lee, Daeun, et al.
Veröffentlicht: (2024)

SIA: Enhancing Safety via Intent Awareness for Vision-Language Models
von: Na, Youngjin, et al.
Veröffentlicht: (2025)

Vision-aligned Latent Reasoning for Multi-modal Large Language Model
von: Jeon, Byungwoo, et al.
Veröffentlicht: (2026)

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

MMR: A Large-scale Benchmark Dataset for Multi-target and Multi-granularity Reasoning Segmentation
von: Jang, Donggon, et al.
Veröffentlicht: (2025)

SpatialRGPT: Grounded Spatial Reasoning in Vision Language Models
von: Cheng, An-Chieh, et al.
Veröffentlicht: (2024)

An Efficient Sign Language Translation Using Spatial Configuration and Motion Dynamics with LLMs
von: Hwang, Eui Jun, et al.
Veröffentlicht: (2024)

Mind the Gap: Benchmarking Spatial Reasoning in Vision-Language Models
von: Stogiannidis, Ilias, et al.
Veröffentlicht: (2025)

SURDS: Benchmarking Spatial Understanding and Reasoning in Driving Scenarios with Vision Language Models
von: Guo, Xianda, et al.
Veröffentlicht: (2024)

Ascending the Infinite Ladder: Benchmarking Spatial Deformation Reasoning in Vision-Language Models
von: Zhang, Jiahuan, et al.
Veröffentlicht: (2025)

ReGround: Improving Textual and Spatial Grounding at No Cost
von: Lee, Phillip Y., et al.
Veröffentlicht: (2024)

Focusing Where Vision Matters: Selective Training for Large Vision Language Models via Visual Information Gain
von: Lee, Seulbi, et al.
Veröffentlicht: (2026)

Silent Branding Attack: Trigger-free Data Poisoning Attack on Text-to-Image Diffusion Models
von: Jang, Sangwon, et al.
Veröffentlicht: (2025)

OmniSpatial: Towards Comprehensive Spatial Reasoning Benchmark for Vision Language Models
von: Jia, Mengdi, et al.
Veröffentlicht: (2025)

SpectraDINO: Bridging the Spectral Gap in Vision Foundation Models via Lightweight Adapters
von: Nalcakan, Yagiz, et al.
Veröffentlicht: (2026)

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

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

InternSpatial: A Comprehensive Dataset for Spatial Reasoning in Vision-Language Models
von: Deng, Nianchen, et al.
Veröffentlicht: (2025)

Improving Calibration in Test-Time Prompt Tuning for Vision-Language Models via Data-Free Flatness-Aware Prompt Pretraining
von: Jang, Hyeonseo, et al.
Veröffentlicht: (2026)

Vision-Language Memory for Spatial Reasoning
von: Liu, Zuntao, et al.
Veröffentlicht: (2025)

A Training-free Sub-quadratic Cost Transformer Model Serving Framework With Hierarchically Pruned Attention
von: Lee, Heejun, et al.
Veröffentlicht: (2024)

CityCube: Benchmarking Cross-view Spatial Reasoning on Vision-Language Models in Urban Environments
von: Xu, Haotian, et al.
Veröffentlicht: (2026)

MultiVerse: A Multi-Turn Conversation Benchmark for Evaluating Large Vision and Language Models
von: Lee, Young-Jun, et al.
Veröffentlicht: (2025)