Pixelis: Reasoning in Pixels, from Seeing to Acting
Fuente:
arXiv
Salvato in:
| Autore principale: | Zhou, Yunpeng |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2026
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
MediSee: Reasoning-based Pixel-level Perception in Medical Images
di: Tong, Qinyue, et al.
Pubblicazione: (2025)
di: Tong, Qinyue, et al.
Pubblicazione: (2025)
Multimodal Crowd Counting with Pix2Pix GANs
di: Khan, Muhammad Asif, et al.
Pubblicazione: (2024)
di: Khan, Muhammad Asif, et al.
Pubblicazione: (2024)
Pix2Cap-COCO: Advancing Visual Comprehension via Pixel-Level Captioning
di: You, Zuyao, et al.
Pubblicazione: (2025)
di: You, Zuyao, et al.
Pubblicazione: (2025)
Can LLMs See Without Pixels? Benchmarking Spatial Intelligence from Textual Descriptions
di: Guo, Zhongbin, et al.
Pubblicazione: (2026)
di: Guo, Zhongbin, et al.
Pubblicazione: (2026)
Pixels, Patterns, but No Poetry: To See The World like Humans
di: Gao, Hongcheng, et al.
Pubblicazione: (2025)
di: Gao, Hongcheng, et al.
Pubblicazione: (2025)
SRU-Pix2Pix: A Fusion-Driven Generator Network for Medical Image Translation with Few-Shot Learning
di: Qiu, Xihe, et al.
Pubblicazione: (2026)
di: Qiu, Xihe, et al.
Pubblicazione: (2026)
UniPixel: Unified Object Referring and Segmentation for Pixel-Level Visual Reasoning
di: Liu, Ye, et al.
Pubblicazione: (2025)
di: Liu, Ye, et al.
Pubblicazione: (2025)
Pixel Reasoner: Incentivizing Pixel-Space Reasoning with Curiosity-Driven Reinforcement Learning
di: Wang, Haozhe, et al.
Pubblicazione: (2025)
di: Wang, Haozhe, et al.
Pubblicazione: (2025)
Pix2Gif: Motion-Guided Diffusion for GIF Generation
di: Kandala, Hitesh, et al.
Pubblicazione: (2024)
di: Kandala, Hitesh, et al.
Pubblicazione: (2024)
Think Twice to See More: Iterative Visual Reasoning in Medical VLMs
di: Chen, Kaitao, et al.
Pubblicazione: (2025)
di: Chen, Kaitao, et al.
Pubblicazione: (2025)
Look Less, Reason More: Rollout-Guided Adaptive Pixel-Space Reasoning
di: Li, Xuchen, et al.
Pubblicazione: (2025)
di: Li, Xuchen, et al.
Pubblicazione: (2025)
PixLore: A Dataset-driven Approach to Rich Image Captioning
di: Bonilla-Salvador, Diego, et al.
Pubblicazione: (2023)
di: Bonilla-Salvador, Diego, et al.
Pubblicazione: (2023)
MedReasoner: Reinforcement Learning Drives Reasoning Grounding from Clinical Thought to Pixel-Level Precision
di: Yan, Zhonghao, et al.
Pubblicazione: (2025)
di: Yan, Zhonghao, et al.
Pubblicazione: (2025)
General-Purpose Robotic Navigation via LVLM-Orchestrated Perception, Reasoning, and Acting
di: Lange, Bernard, et al.
Pubblicazione: (2025)
di: Lange, Bernard, et al.
Pubblicazione: (2025)
The Thinking Pixel: Recursive Sparse Reasoning in Multimodal Diffusion Latents
di: Sun, Yuwei, et al.
Pubblicazione: (2026)
di: Sun, Yuwei, et al.
Pubblicazione: (2026)
Motion-Grounded Video Reasoning: Understanding and Perceiving Motion at Pixel Level
di: Deng, Andong, et al.
Pubblicazione: (2024)
di: Deng, Andong, et al.
Pubblicazione: (2024)
Pix2Next: Leveraging Vision Foundation Models for RGB to NIR Image Translation
di: Jin, Youngwan, et al.
Pubblicazione: (2024)
di: Jin, Youngwan, et al.
Pubblicazione: (2024)
Pix2NPHM: Learning to Regress NPHM Reconstructions From a Single Image
di: Giebenhain, Simon, et al.
Pubblicazione: (2025)
di: Giebenhain, Simon, et al.
Pubblicazione: (2025)
The Expense of Seeing: Attaining Trustworthy Multimodal Reasoning Within the Monolithic Paradigm
di: Goyal, Karan
Pubblicazione: (2026)
di: Goyal, Karan
Pubblicazione: (2026)
Bad Seeing or Bad Thinking? Rewarding Perception for Vision-Language Reasoning
di: Wang, Haozhe, et al.
Pubblicazione: (2026)
di: Wang, Haozhe, et al.
Pubblicazione: (2026)
Seeing Through Words, Speaking Through Pixels: Deep Representational Alignment Between Vision and Language Models
di: He, Zoe Wanying, et al.
Pubblicazione: (2025)
di: He, Zoe Wanying, et al.
Pubblicazione: (2025)
Language Agent Tree Search Unifies Reasoning Acting and Planning in Language Models
di: Zhou, Andy, et al.
Pubblicazione: (2023)
di: Zhou, Andy, et al.
Pubblicazione: (2023)
Beyond Pixels: Visual Metaphor Transfer via Schema-Driven Agentic Reasoning
di: Xu, Yu, et al.
Pubblicazione: (2026)
di: Xu, Yu, et al.
Pubblicazione: (2026)
Learning to See the Elephant in the Room: Self-Supervised Context Reasoning in Humans and AI
di: Liu, Xiao, et al.
Pubblicazione: (2022)
di: Liu, Xiao, et al.
Pubblicazione: (2022)
Beyond Words and Pixels: A Benchmark for Implicit World Knowledge Reasoning in Generative Models
di: Han, Tianyang, et al.
Pubblicazione: (2025)
di: Han, Tianyang, et al.
Pubblicazione: (2025)
PixelGen: Improving Pixel Diffusion with Perceptual Supervision
di: Ma, Zehong, et al.
Pubblicazione: (2026)
di: Ma, Zehong, et al.
Pubblicazione: (2026)
More Thinking, Less Seeing? Assessing Amplified Hallucination in Multimodal Reasoning Models
di: Liu, Chengzhi, et al.
Pubblicazione: (2025)
di: Liu, Chengzhi, et al.
Pubblicazione: (2025)
Seeing is Not Reasoning: MVPBench for Graph-based Evaluation of Multi-path Visual Physical CoT
di: Dong, Zhuobai, et al.
Pubblicazione: (2025)
di: Dong, Zhuobai, et al.
Pubblicazione: (2025)
Beyond Seeing: Evaluating Multimodal LLMs on Tool-Enabled Image Perception, Transformation, and Reasoning
di: Guo, Xingang, et al.
Pubblicazione: (2025)
di: Guo, Xingang, et al.
Pubblicazione: (2025)
Language Models Can See Better: Visual Contrastive Decoding For LLM Multimodal Reasoning
di: Pang, Yuqi, et al.
Pubblicazione: (2025)
di: Pang, Yuqi, et al.
Pubblicazione: (2025)
PixelArena: A benchmark for Pixel-Precision Visual Intelligence
di: Liang, Feng, et al.
Pubblicazione: (2025)
di: Liang, Feng, et al.
Pubblicazione: (2025)
IBISAgent: Reinforcing Pixel-Level Visual Reasoning in MLLMs for Universal Biomedical Object Referring and Segmentation
di: Jiang, Yankai, et al.
Pubblicazione: (2026)
di: Jiang, Yankai, et al.
Pubblicazione: (2026)
Reasoning with Pixel-level Precision: QVLM Architecture and SQuID Dataset for Quantitative Geospatial Analytics
di: Massih, Peter A., et al.
Pubblicazione: (2026)
di: Massih, Peter A., et al.
Pubblicazione: (2026)
An Organism Starts with a Single Pix-Cell: A Neural Cellular Diffusion for High-Resolution Image Synthesis
di: Elbatel, Marawan, et al.
Pubblicazione: (2024)
di: Elbatel, Marawan, et al.
Pubblicazione: (2024)
PixLens: A Novel Framework for Disentangled Evaluation in Diffusion-Based Image Editing with Object Detection + SAM
di: Stefanache, Stefan, et al.
Pubblicazione: (2024)
di: Stefanache, Stefan, et al.
Pubblicazione: (2024)
Beyond Pixels: Vector-to-Graph Transformation for Reliable Schematic Auditing
di: Ma, Chengwei, et al.
Pubblicazione: (2026)
di: Ma, Chengwei, et al.
Pubblicazione: (2026)
Imbalanced Medical Image Segmentation with Pixel-dependent Noisy Labels
di: Guo, Erjian, et al.
Pubblicazione: (2025)
di: Guo, Erjian, et al.
Pubblicazione: (2025)
See Further, Think Deeper: Advancing VLM's Reasoning Ability with Low-level Visual Cues and Reflection
di: Wu, Zhiheng, et al.
Pubblicazione: (2026)
di: Wu, Zhiheng, et al.
Pubblicazione: (2026)
Seeing Beyond the Scene: Analyzing and Mitigating Background Bias in Action Recognition
di: Zhou, Ellie, et al.
Pubblicazione: (2025)
di: Zhou, Ellie, et al.
Pubblicazione: (2025)
Not All Pixels Are Equal: Pixel-wise Meta-Learning for Medical Segmentation with Noisy Labels
di: Mu, Chenyu, et al.
Pubblicazione: (2025)
di: Mu, Chenyu, et al.
Pubblicazione: (2025)
Documenti analoghi
-
MediSee: Reasoning-based Pixel-level Perception in Medical Images
di: Tong, Qinyue, et al.
Pubblicazione: (2025) -
Multimodal Crowd Counting with Pix2Pix GANs
di: Khan, Muhammad Asif, et al.
Pubblicazione: (2024) -
Pix2Cap-COCO: Advancing Visual Comprehension via Pixel-Level Captioning
di: You, Zuyao, et al.
Pubblicazione: (2025) -
Can LLMs See Without Pixels? Benchmarking Spatial Intelligence from Textual Descriptions
di: Guo, Zhongbin, et al.
Pubblicazione: (2026) -
Pixels, Patterns, but No Poetry: To See The World like Humans
di: Gao, Hongcheng, et al.
Pubblicazione: (2025)