Learning Trajectory-Aware Multimodal Large Language Models for Video Reasoning Segmentation
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Luo, Jingnan, Gao, Mingqi, Liu, Jun, Gao, Bin-Bin, Zheng, Feng |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
1st Place Solution for MeViS Track in CVPR 2024 PVUW Workshop: Motion Expression guided Video Segmentation
par: Gao, Mingqi, et autres
Publié: (2024)
par: Gao, Mingqi, et autres
Publié: (2024)
Show Me When and Where: Towards Referring Video Object Segmentation in the Wild
par: Gao, Mingqi, et autres
Publié: (2026)
par: Gao, Mingqi, et autres
Publié: (2026)
Point Linguist Model: Segment Any Object via Bridged Large 3D-Language Model
par: Huang, Zhuoxu, et autres
Publié: (2025)
par: Huang, Zhuoxu, et autres
Publié: (2025)
Place Anything into Any Video
par: Liu, Ziling, et autres
Publié: (2024)
par: Liu, Ziling, et autres
Publié: (2024)
Few-Shot Referring Video Single- and Multi-Object Segmentation via Cross-Modal Affinity with Instance Sequence Matching
par: Liu, Heng, et autres
Publié: (2025)
par: Liu, Heng, et autres
Publié: (2025)
MetaUAS: Universal Anomaly Segmentation with One-Prompt Meta-Learning
par: Gao, Bin-Bin
Publié: (2025)
par: Gao, Bin-Bin
Publié: (2025)
BoxSeg: Quality-Aware and Peer-Assisted Learning for Box-supervised Instance Segmentation
par: Lai, Jinxiang, et autres
Publié: (2025)
par: Lai, Jinxiang, et autres
Publié: (2025)
MMAD: A Comprehensive Benchmark for Multimodal Large Language Models in Industrial Anomaly Detection
par: Jiang, Xi, et autres
Publié: (2024)
par: Jiang, Xi, et autres
Publié: (2024)
MLLM-For3D: Adapting Multimodal Large Language Model for 3D Reasoning Segmentation
par: Huang, Jiaxin, et autres
Publié: (2025)
par: Huang, Jiaxin, et autres
Publié: (2025)
THU-Warwick Submission for EPIC-KITCHEN Challenge 2025: Semi-Supervised Video Object Segmentation
par: Gao, Mingqi, et autres
Publié: (2025)
par: Gao, Mingqi, et autres
Publié: (2025)
ViLLa: Video Reasoning Segmentation with Large Language Model
par: Zheng, Rongkun, et autres
Publié: (2024)
par: Zheng, Rongkun, et autres
Publié: (2024)
Beyond the Visible: Benchmarking Occlusion Perception in Multimodal Large Language Models
par: Liu, Zhaochen, et autres
Publié: (2025)
par: Liu, Zhaochen, et autres
Publié: (2025)
One Language-Free Foundation Model Is Enough for Universal Vision Anomaly Detection
par: Gao, Bin-Bin, et autres
Publié: (2026)
par: Gao, Bin-Bin, et autres
Publié: (2026)
SoftPatch+: Fully Unsupervised Anomaly Classification and Segmentation
par: Wang, Chengjie, et autres
Publié: (2024)
par: Wang, Chengjie, et autres
Publié: (2024)
GSVA: Generalized Segmentation via Multimodal Large Language Models
par: Xia, Zhuofan, et autres
Publié: (2023)
par: Xia, Zhuofan, et autres
Publié: (2023)
VideoPerceiver: Enhancing Fine-Grained Temporal Perception in Video Multimodal Large Language Models
par: Zhao, Fufangchen, et autres
Publié: (2025)
par: Zhao, Fufangchen, et autres
Publié: (2025)
Bidirectional Uncertainty-Aware Region Learning for Semi-Supervised Medical Image Segmentation
par: Zhou, Shiwei, et autres
Publié: (2025)
par: Zhou, Shiwei, et autres
Publié: (2025)
SAM-Body4D: Training-Free 4D Human Body Mesh Recovery from Videos
par: Gao, Mingqi, et autres
Publié: (2025)
par: Gao, Mingqi, et autres
Publié: (2025)
Corvid: Improving Multimodal Large Language Models Towards Chain-of-Thought Reasoning
par: Jiang, Jingjing, et autres
Publié: (2025)
par: Jiang, Jingjing, et autres
Publié: (2025)
Dual Semantic-Aware Network for Noise Suppressed Ultrasound Video Segmentation
par: Zhou, Ling, et autres
Publié: (2025)
par: Zhou, Ling, et autres
Publié: (2025)
Enhancing Spatial Reasoning in Multimodal Large Language Models through Reasoning-based Segmentation
par: Ning, Zhenhua, et autres
Publié: (2025)
par: Ning, Zhenhua, et autres
Publié: (2025)
VideoLLM-online: Online Video Large Language Model for Streaming Video
par: Chen, Joya, et autres
Publié: (2024)
par: Chen, Joya, et autres
Publié: (2024)
RSGMamba: Reliability-Aware Self-Gated State Space Model for Multimodal Semantic Segmentation
par: Xu, Guoan, et autres
Publié: (2026)
par: Xu, Guoan, et autres
Publié: (2026)
VISA: Reasoning Video Object Segmentation via Large Language Models
par: Yan, Cilin, et autres
Publié: (2024)
par: Yan, Cilin, et autres
Publié: (2024)
Leveraging Geometric Priors for Unaligned Scene Change Detection
par: Liu, Ziling, et autres
Publié: (2025)
par: Liu, Ziling, et autres
Publié: (2025)
SCORP: Scene-Consistent Object Refinement via Proxy Generation and Tuning
par: Chen, Ziwei, et autres
Publié: (2025)
par: Chen, Ziwei, et autres
Publié: (2025)
MLLM-Tool: A Multimodal Large Language Model For Tool Agent Learning
par: Wang, Chenyu, et autres
Publié: (2024)
par: Wang, Chenyu, et autres
Publié: (2024)
Few-Shot Anomaly-Driven Generation for Anomaly Classification and Segmentation
par: Gui, Guan, et autres
Publié: (2025)
par: Gui, Guan, et autres
Publié: (2025)
StreamingCoT: A Dataset for Temporal Dynamics and Multimodal Chain-of-Thought Reasoning in Streaming VideoQA
par: Hu, Yuhang, et autres
Publié: (2025)
par: Hu, Yuhang, et autres
Publié: (2025)
Think While Watching: Online Streaming Segment-Level Memory for Multi-Turn Video Reasoning in Multimodal Large Language Models
par: Wang, Lu, et autres
Publié: (2026)
par: Wang, Lu, et autres
Publié: (2026)
Annotation-Free Visual Reasoning for High-Resolution Large Multimodal Models via Reinforcement Learning
par: Yang, Jiacheng, et autres
Publié: (2026)
par: Yang, Jiacheng, et autres
Publié: (2026)
Learning to Detect Multi-class Anomalies with Just One Normal Image Prompt
par: Gao, Bin-Bin
Publié: (2025)
par: Gao, Bin-Bin
Publié: (2025)
HATS: Hardness-Aware Trajectory Synthesis for GUI Agents
par: Shao, Rui, et autres
Publié: (2026)
par: Shao, Rui, et autres
Publié: (2026)
The 1st Solution for MOSEv2 Challenge 2025: Long-term and Concept-aware Video Segmentation via SeC
par: Gao, Mingqi, et autres
Publié: (2025)
par: Gao, Mingqi, et autres
Publié: (2025)
One Token to Seg Them All: Language Instructed Reasoning Segmentation in Videos
par: Bai, Zechen, et autres
Publié: (2024)
par: Bai, Zechen, et autres
Publié: (2024)
FlexAC: Towards Flexible Control of Associative Reasoning in Multimodal Large Language Models
par: Yuan, Shengming, et autres
Publié: (2025)
par: Yuan, Shengming, et autres
Publié: (2025)
Large Language Model Guided Progressive Feature Alignment for Multimodal UAV Object Detection
par: Wu, Wentao, et autres
Publié: (2025)
par: Wu, Wentao, et autres
Publié: (2025)
VLForgery Face Triad: Detection, Localization and Attribution via Multimodal Large Language Models
par: He, Xinan, et autres
Publié: (2025)
par: He, Xinan, et autres
Publié: (2025)
Can Large Multimodal Models Inspect Buildings? A Hierarchical Benchmark for Structural Pathology Reasoning
par: Zhong, Hui, et autres
Publié: (2026)
par: Zhong, Hui, et autres
Publié: (2026)
MedSeg-R: Reasoning Segmentation in Medical Images with Multimodal Large Language Models
par: Huang, Yu, et autres
Publié: (2025)
par: Huang, Yu, et autres
Publié: (2025)
Documents similaires
-
1st Place Solution for MeViS Track in CVPR 2024 PVUW Workshop: Motion Expression guided Video Segmentation
par: Gao, Mingqi, et autres
Publié: (2024) -
Show Me When and Where: Towards Referring Video Object Segmentation in the Wild
par: Gao, Mingqi, et autres
Publié: (2026) -
Point Linguist Model: Segment Any Object via Bridged Large 3D-Language Model
par: Huang, Zhuoxu, et autres
Publié: (2025) -
Place Anything into Any Video
par: Liu, Ziling, et autres
Publié: (2024) -
Few-Shot Referring Video Single- and Multi-Object Segmentation via Cross-Modal Affinity with Instance Sequence Matching
par: Liu, Heng, et autres
Publié: (2025)