Buchumschlag

MME-CoF-Pro: Evaluating Reasoning Coherence in Video Generative Models with Text and Visual Hints

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Qi, Yu, Xu, Xinyi, Guo, Ziyu, Ma, Siyuan, Zhang, Renrui, Chen, Xinyan, An, Ruichuan, Xing, Ruofan, Zhang, Jiayi, Huang, Haojie, Heng, Pheng-Ann, Tremblay, Jonathan, Wong, Lawson L. S.
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Are Video Models Ready as Zero-Shot Reasoners? An Empirical Study with the MME-CoF Benchmark
von: Guo, Ziyu, et al.
Veröffentlicht: (2025)

CoF-T2I: Video Models as Pure Visual Reasoners for Text-to-Image Generation
von: Tong, Chengzhuo, et al.
Veröffentlicht: (2026)

Delving into RL for Image Generation with CoT: A Study on DPO vs. GRPO
von: Tong, Chengzhuo, et al.
Veröffentlicht: (2025)

ATLAS: Agentic or Latent Visual Reasoning? One Word is Enough for Both
von: Guo, Ziyu, et al.
Veröffentlicht: (2026)

yuzhimanhua/CoF: v1.0
von: Yu Zhang
Veröffentlicht: (2025)

MME-CoT: Benchmarking Chain-of-Thought in Large Multimodal Models for Reasoning Quality, Robustness, and Efficiency
von: Jiang, Dongzhi, et al.
Veröffentlicht: (2025)

Thinking-while-Generating: Interleaving Textual Reasoning throughout Visual Generation
von: Guo, Ziyu, et al.
Veröffentlicht: (2025)

SAM2Point: Segment Any 3D as Videos in Zero-shot and Promptable Manners
von: Guo, Ziyu, et al.
Veröffentlicht: (2024)

T2I-R1: Reinforcing Image Generation with Collaborative Semantic-level and Token-level CoT
von: Jiang, Dongzhi, et al.
Veröffentlicht: (2025)

Uni-Synergy: Bridging Understanding and Generation for Personalized Reasoning via Co-operative Reinforcement Learning
von: Shen, Zijun, et al.
Veröffentlicht: (2026)

MME-Emotion: A Holistic Evaluation Benchmark for Emotional Intelligence in Multimodal Large Language Models
von: Zhang, Fan, et al.
Veröffentlicht: (2025)

CoF3: a g-wave Altermagnet
von: Tagani, Meysam Bagheri
Veröffentlicht: (2024)

Point Cloud Understanding via Attention-Driven Contrastive Learning
von: Wang, Yi, et al.
Veröffentlicht: (2024)

MM-Mixing: Multi-Modal Mixing Alignment for 3D Understanding
von: Wang, Jiaze, et al.
Veröffentlicht: (2024)

Can We Generate Images with CoT? Let's Verify and Reinforce Image Generation Step by Step
von: Guo, Ziyu, et al.
Veröffentlicht: (2025)

Polar phonons and magnetic excitations in the antiferromagnet CoF$_2$
von: Dubrovin, R. M., et al.
Veröffentlicht: (2024)

Adaptive Classifier-Free Guidance via Dynamic Low-Confidence Masking
von: Li, Pengxiang, et al.
Veröffentlicht: (2025)

Impulsive Fermi magnon-phonon resonance in antiferromagnetic $CoF_{2}$
von: Metzger, Thomas W. J., et al.
Veröffentlicht: (2023)

Exposing Image Classifier Shortcuts with Counterfactual Frequency (CoF) Tables
von: Hinns, James, et al.
Veröffentlicht: (2024)

MME-Reasoning: A Comprehensive Benchmark for Logical Reasoning in MLLMs
von: Yuan, Jiakang, et al.
Veröffentlicht: (2025)

Giant intrinsic nonlinear phonon-magnon coupling in the antiferromagnet CoF$_2$
von: Prosnikov, M. A., et al.
Veröffentlicht: (2024)

CoF: Coarse to Fine-Grained Image Understanding for Multi-modal Large Language Models
von: Wang, Yeyuan, et al.
Veröffentlicht: (2024)

LaST-R1: Reinforcing Robotic Manipulation via Adaptive Physical Latent Reasoning
von: Chen, Hao, et al.
Veröffentlicht: (2026)

Dynamic Photovoltaic‐Electrolysis Coupling of Stable (>1000 h) CuP/CoF Catalysts with 6% Solar‐to‐Fuel Efficiency
von: Yu Bai, et al.
Veröffentlicht: (2026)

Derived logarithmic deformation theory and moduli stacks of derived logarithmic structures
von: Zhang, Ruichuan
Veröffentlicht: (2026)

Perceive Anything: Recognize, Explain, Caption, and Segment Anything in Images and Videos
von: Lin, Weifeng, et al.
Veröffentlicht: (2025)

Ligand field and interference effects in L-edge x-ray raman scattering of MnF2 and CoF2
von: J. Jiménez-Mier
Veröffentlicht: (2008)

Ligand field and interference effects in L-edge x-ray Raman scattering of MnF2 and CoF2
von: J. Jiménez-Mier
Veröffentlicht: (2008)

Towards Synchronous Memorizability and Generalizability with Site-Modulated Diffusion Replay for Cross-Site Continual Segmentation
von: Xu, Dunyuan, et al.
Veröffentlicht: (2024)

Comprehensive Generative Replay for Task-Incremental Segmentation with Concurrent Appearance and Semantic Forgetting
von: Li, Wei, et al.
Veröffentlicht: (2024)

PI-CoF: A Bilevel Optimization Framework for Solving Active Learning Problems using Physics-Information
von: Dong, Liqiu, et al.
Veröffentlicht: (2024)

SciVerse: Unveiling the Knowledge Comprehension and Visual Reasoning of LMMs on Multi-modal Scientific Problems
von: Guo, Ziyu, et al.
Veröffentlicht: (2025)

MINT-CoT: Enabling Interleaved Visual Tokens in Mathematical Chain-of-Thought Reasoning
von: Chen, Xinyan, et al.
Veröffentlicht: (2025)

DraCo: Draft as CoT for Text-to-Image Preview and Rare Concept Generation
von: Jiang, Dongzhi, et al.
Veröffentlicht: (2025)

Video-MME: The First-Ever Comprehensive Evaluation Benchmark of Multi-modal LLMs in Video Analysis
von: Fu, Chaoyou, et al.
Veröffentlicht: (2024)

Earthworm‐Inspired Co/Co3O4/CoF2@NSC Nanofibrous Electrocatalyst with Confined Channels for Enhanced ORR/OER Performance
von: Han Li, et al.
Veröffentlicht: (2024)

GENIUS: Generative Fluid Intelligence Evaluation Suite
von: An, Ruichuan, et al.
Veröffentlicht: (2026)

Concept-as-Tree: A Controllable Synthetic Data Framework Makes Stronger Personalized VLMs
von: An, Ruichuan, et al.
Veröffentlicht: (2025)

LaST$_{0}$: Latent Spatio-Temporal Chain-of-Thought for Robotic Vision-Language-Action Model
von: Liu, Zhuoyang, et al.
Veröffentlicht: (2026)

Effect of Mo Content on Microstructures and Mechanical Properties of TZM/CoCrFeNiMox/Q235 Joints by Electron Beam Welding
von: Debin Song, et al.
Veröffentlicht: (2025)