Buchumschlag

Communicating about Space: Language-Mediated Spatial Integration Across Partial Views

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sikarwar, Ankur, Mishra, Debangan, Nikhil, Sudarshan, Kumaraguru, Ponnurangam, Agrawal, Aishwarya
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

How and What to Imagine? Visual Thinking in Unified Multimodal Models for Cross-View Spatial Reasoning
von: Yang, Qian, et al.
Veröffentlicht: (2026)

SPIRIT: Short-term Prediction of solar IRradIance for zero-shot Transfer learning using Foundation Models
von: Mishra, Aditya, et al.
Veröffentlicht: (2025)

RiT: Vanilla Diffusion Transformers Suffice in Representation Space
von: Zhang, Le, et al.
Veröffentlicht: (2026)

What if I ask in \textit{alia lingua}? Measuring Functional Similarity Across Languages
von: Mishra, Debangan, et al.
Veröffentlicht: (2025)

Assessing and Learning Alignment of Unimodal Vision and Language Models
von: Zhang, Le, et al.
Veröffentlicht: (2024)

The Promise of RL for Autoregressive Image Editing
von: Ahmadi, Saba, et al.
Veröffentlicht: (2025)

Freeze and Reveal: Exposing Modality Bias in Vision-Language Models
von: Kavuri, Vivek Hruday, et al.
Veröffentlicht: (2025)

Contrasting Intra-Modal and Ranking Cross-Modal Hard Negatives to Enhance Visio-Linguistic Compositional Understanding
von: Zhang, Le, et al.
Veröffentlicht: (2023)

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

Just KIDDIN: Knowledge Infusion and Distillation for Detection of INdecent Memes
von: Garg, Rahul, et al.
Veröffentlicht: (2024)

Decompose and Compare Consistency: Measuring VLMs' Answer Reliability via Task-Decomposition Consistency Comparison
von: Yang, Qian, et al.
Veröffentlicht: (2024)

Investigating Prompting Techniques for Zero- and Few-Shot Visual Question Answering
von: Awal, Rabiul, et al.
Veröffentlicht: (2023)

Random Representations Outperform Online Continually Learned Representations
von: Prabhu, Ameya, et al.
Veröffentlicht: (2024)

Corrective Machine Unlearning
von: Goel, Shashwat, et al.
Veröffentlicht: (2024)

Improving Automatic VQA Evaluation Using Large Language Models
von: Mañas, Oscar, et al.
Veröffentlicht: (2023)

Towards Infusing Auxiliary Knowledge for Distracted Driver Detection
von: Balappanawar, Ishwar B, et al.
Veröffentlicht: (2024)

Learning to See the Elephant in the Room: Self-Supervised Context Reasoning in Humans and AI
von: Liu, Xiao, et al.
Veröffentlicht: (2022)

An Examination of the Robustness of Reference-Free Image Captioning Evaluation Metrics
von: Ahmadi, Saba, et al.
Veröffentlicht: (2023)

ParGo: Bridging Vision-Language with Partial and Global Views
von: Wang, An-Lan, et al.
Veröffentlicht: (2024)

Transfer Learning-Based CNN Models for Plant Species Identification Using Leaf Venation Patterns
von: Bharadwaj, Bandita, et al.
Veröffentlicht: (2025)

LABELING COPILOT: A Deep Research Agent for Automated Data Curation in Computer Vision
von: Ganguly, Debargha, et al.
Veröffentlicht: (2025)

AdaSCALE: Adaptive Scaling for OOD Detection
von: Regmi, Sudarshan
Veröffentlicht: (2025)

Partial-View Object View Synthesis via Filtered Inversion
von: Sun, Fan-Yun, et al.
Veröffentlicht: (2023)

Discovering Failure Modes in Vision-Language Models using RL
von: Jain, Kanishk, et al.
Veröffentlicht: (2026)

Can Machines Imitate Humans? Integrative Turing-like tests for Language and Vision Demonstrate a Narrowing Gap
von: Zhang, Mengmi, et al.
Veröffentlicht: (2022)

Spatial Calibration of Diffuse LiDARs
von: Behari, Nikhil, et al.
Veröffentlicht: (2026)

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

VisMin: Visual Minimal-Change Understanding
von: Awal, Rabiul, et al.
Veröffentlicht: (2024)

Can Vision-Language Models See Squares? Text-Recognition Mediates Spatial Reasoning Across Three Model Families
von: Levental, Yuval
Veröffentlicht: (2026)

STUPD: A Synthetic Dataset for Spatial and Temporal Relation Reasoning
von: Agrawal, Palaash, et al.
Veröffentlicht: (2023)

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

3ViewSense: Spatial and Mental Perspective Reasoning from Orthographic Views in Vision-Language Models
von: Zhan, Shaoxiong, et al.
Veröffentlicht: (2026)

Image-based Outlier Synthesis With Training Data
von: Regmi, Sudarshan
Veröffentlicht: (2024)

Fisheye Camera and Ultrasonic Sensor Fusion For Near-Field Obstacle Perception in Bird's-Eye-View
von: Das, Arindam, et al.
Veröffentlicht: (2024)

Self-Supervised Partial Cycle-Consistency for Multi-View Matching
von: Taggenbrock, Fedor, et al.
Veröffentlicht: (2025)

Evidential Deep Partial Multi-View Classification With Discount Fusion
von: Huang, Haojian, et al.
Veröffentlicht: (2024)

Task-Augmented Cross-View Imputation Network for Partial Multi-View Incomplete Multi-Label Classification
von: Zhao, Lian, et al.
Veröffentlicht: (2024)

Self-Supervised Spatial Correspondence Across Modalities
von: Shrivastava, Ayush, et al.
Veröffentlicht: (2025)

Are VLMs Lost Between Sky and Space? LinkS$^2$Bench for UAV-Satellite Dynamic Cross-View Spatial Intelligence
von: Liu, Dian, et al.
Veröffentlicht: (2026)

Analyzing the Sensitivity of Vision Language Models in Visual Question Answering
von: Shah, Monika, et al.
Veröffentlicht: (2025)