Reinforcing Consistency in Video MLLMs with Structured Rewards
Fuente:
arXiv
Salvato in:
| Autori principali: | Quan, Yihao, Shi, Zeru, Zhao, Jinman, Tang, Ruixiang |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2026
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Improving Visual Reasoning with Iterative Evidence Refinement
di: Shi, Zeru, et al.
Pubblicazione: (2026)
di: Shi, Zeru, et al.
Pubblicazione: (2026)
SVQA-R1: Reinforcing Spatial Reasoning in MLLMs via View-Consistent Reward Optimization
di: Wang, Peiyao, et al.
Pubblicazione: (2025)
di: Wang, Peiyao, et al.
Pubblicazione: (2025)
Unhackable Temporal Rewarding for Scalable Video MLLMs
di: Yu, En, et al.
Pubblicazione: (2025)
di: Yu, En, et al.
Pubblicazione: (2025)
Counting Circuits: Mechanistic Interpretability of Visual Reasoning in Large Vision-Language Models
di: Che, Liwei, et al.
Pubblicazione: (2026)
di: Che, Liwei, et al.
Pubblicazione: (2026)
Enhancing the Outcome Reward-based RL Training of MLLMs with Self-Consistency Sampling
di: Wang, Jiahao, et al.
Pubblicazione: (2025)
di: Wang, Jiahao, et al.
Pubblicazione: (2025)
Video-R1: Reinforcing Video Reasoning in MLLMs
di: Feng, Kaituo, et al.
Pubblicazione: (2025)
di: Feng, Kaituo, et al.
Pubblicazione: (2025)
SophiaVL-R1: Reinforcing MLLMs Reasoning with Thinking Reward
di: Fan, Kaixuan, et al.
Pubblicazione: (2025)
di: Fan, Kaixuan, et al.
Pubblicazione: (2025)
SpaceR: Reinforcing MLLMs in Video Spatial Reasoning
di: Ouyang, Kun, et al.
Pubblicazione: (2025)
di: Ouyang, Kun, et al.
Pubblicazione: (2025)
Patient4D: Temporally Consistent Patient Body Mesh Recovery from Monocular Operating Room Video
di: Tu, Mingxiao, et al.
Pubblicazione: (2026)
di: Tu, Mingxiao, et al.
Pubblicazione: (2026)
Spatial Preference Rewarding for MLLMs Spatial Understanding
di: Qiu, Han, et al.
Pubblicazione: (2025)
di: Qiu, Han, et al.
Pubblicazione: (2025)
VideoRFT: Incentivizing Video Reasoning Capability in MLLMs via Reinforced Fine-Tuning
di: Wang, Qi, et al.
Pubblicazione: (2025)
di: Wang, Qi, et al.
Pubblicazione: (2025)
Video Consistency Distance: Enhancing Temporal Consistency for Image-to-Video Generation via Reward-Based Fine-Tuning
di: Aoshima, Takehiro, et al.
Pubblicazione: (2025)
di: Aoshima, Takehiro, et al.
Pubblicazione: (2025)
MMDuet2: Enhancing Proactive Interaction of Video MLLMs with Multi-Turn Reinforcement Learning
di: Wang, Yueqian, et al.
Pubblicazione: (2025)
di: Wang, Yueqian, et al.
Pubblicazione: (2025)
VideoCap-R1: Enhancing MLLMs for Video Captioning via Structured Thinking
di: Meng, Desen, et al.
Pubblicazione: (2025)
di: Meng, Desen, et al.
Pubblicazione: (2025)
Towards Universal Video MLLMs with Attribute-Structured and Quality-Verified Instructions
di: Li, Yunheng, et al.
Pubblicazione: (2026)
di: Li, Yunheng, et al.
Pubblicazione: (2026)
GVT2RPM: An Empirical Study for General Video Transformer Adaptation to Remote Physiological Measurement
di: Wang, Hao, et al.
Pubblicazione: (2024)
di: Wang, Hao, et al.
Pubblicazione: (2024)
Beyond Perceptual Shortcuts: Causal-Inspired Debiasing Optimization for Generalizable Video Reasoning in Lightweight MLLMs
di: Wu, Jingze, et al.
Pubblicazione: (2026)
di: Wu, Jingze, et al.
Pubblicazione: (2026)
DisCo: Towards Distinct and Coherent Visual Encapsulation in Video MLLMs
di: Zhao, Jiahe, et al.
Pubblicazione: (2025)
di: Zhao, Jiahe, et al.
Pubblicazione: (2025)
CARNet: Collaborative Adversarial Resilience for Robust Underwater Image Enhancement and Perception
di: Zhang, Zengxi, et al.
Pubblicazione: (2023)
di: Zhang, Zengxi, et al.
Pubblicazione: (2023)
Needle In A Video Haystack: A Scalable Synthetic Evaluator for Video MLLMs
di: Zhao, Zijia, et al.
Pubblicazione: (2024)
di: Zhao, Zijia, et al.
Pubblicazione: (2024)
VGGRPO: Towards World-Consistent Video Generation with 4D Latent Reward
di: An, Zhaochong, et al.
Pubblicazione: (2026)
di: An, Zhaochong, et al.
Pubblicazione: (2026)
SPARROW: Learning Spatial Precision and Temporal Referential Consistency in Pixel-Grounded Video MLLMs
di: Alansari, Mohamad, et al.
Pubblicazione: (2026)
di: Alansari, Mohamad, et al.
Pubblicazione: (2026)
Low-Rank Interconnected Adaptation across Layers
di: Zhong, Yibo, et al.
Pubblicazione: (2024)
di: Zhong, Yibo, et al.
Pubblicazione: (2024)
SAVE: Speech-Aware Video Representation Learning for Video-Text Retrieval
di: Zhao, Ruixiang, et al.
Pubblicazione: (2026)
di: Zhao, Ruixiang, et al.
Pubblicazione: (2026)
PISCES: Annotation-free Text-to-Video Post-Training via Optimal Transport-Aligned Rewards
di: Le, Minh-Quan, et al.
Pubblicazione: (2026)
di: Le, Minh-Quan, et al.
Pubblicazione: (2026)
Quantitative Video World Model Evaluation for Geometric-Consistency
di: Wu, Jiaxin, et al.
Pubblicazione: (2026)
di: Wu, Jiaxin, et al.
Pubblicazione: (2026)
Exploring the Design Space of Visual Context Representation in Video MLLMs
di: Du, Yifan, et al.
Pubblicazione: (2024)
di: Du, Yifan, et al.
Pubblicazione: (2024)
Artifact-Bench: Evaluating MLLMs on Detecting and Assessing the Artifacts of AI-Generated Videos
di: Tang, Yuqi, et al.
Pubblicazione: (2026)
di: Tang, Yuqi, et al.
Pubblicazione: (2026)
Touch-R1: Reinforcing Touch Reasoning in MLLMs
di: Lai, Yingxin, et al.
Pubblicazione: (2026)
di: Lai, Yingxin, et al.
Pubblicazione: (2026)
Reinforcement Learning Tuning for VideoLLMs: Reward Design and Data Efficiency
di: Li, Hongyu, et al.
Pubblicazione: (2025)
di: Li, Hongyu, et al.
Pubblicazione: (2025)
PaCo-RL: Advancing Reinforcement Learning for Consistent Image Generation with Pairwise Reward Modeling
di: Ping, Bowen, et al.
Pubblicazione: (2025)
di: Ping, Bowen, et al.
Pubblicazione: (2025)
MemEye: A Visual-Centric Evaluation Framework for Multimodal Agent Memory
di: Guo, Minghao, et al.
Pubblicazione: (2026)
di: Guo, Minghao, et al.
Pubblicazione: (2026)
UVE: Are MLLMs Unified Evaluators for AI-Generated Videos?
di: Liu, Yuanxin, et al.
Pubblicazione: (2025)
di: Liu, Yuanxin, et al.
Pubblicazione: (2025)
T2V-Turbo: Breaking the Quality Bottleneck of Video Consistency Model with Mixed Reward Feedback
di: Li, Jiachen, et al.
Pubblicazione: (2024)
di: Li, Jiachen, et al.
Pubblicazione: (2024)
RefereeBench: Are Video MLLMs Ready to be Multi-Sport Referees
di: Xu, Yichen, et al.
Pubblicazione: (2026)
di: Xu, Yichen, et al.
Pubblicazione: (2026)
DiffArtist: Towards Structure and Appearance Controllable Image Stylization
di: Jiang, Ruixiang, et al.
Pubblicazione: (2024)
di: Jiang, Ruixiang, et al.
Pubblicazione: (2024)
GVDIFF: Grounded Text-to-Video Generation with Diffusion Models
di: Dou, Huanzhang, et al.
Pubblicazione: (2024)
di: Dou, Huanzhang, et al.
Pubblicazione: (2024)
Threading Keyframe with Narratives: MLLMs as Strong Long Video Comprehenders
di: Fang, Bo, et al.
Pubblicazione: (2025)
di: Fang, Bo, et al.
Pubblicazione: (2025)
SeFENet: Robust Deep Homography Estimation via Semantic-Driven Feature Enhancement
di: Shi, Zeru, et al.
Pubblicazione: (2024)
di: Shi, Zeru, et al.
Pubblicazione: (2024)
VideoReasonBench: Can MLLMs Perform Vision-Centric Complex Video Reasoning?
di: Liu, Yuanxin, et al.
Pubblicazione: (2025)
di: Liu, Yuanxin, et al.
Pubblicazione: (2025)
Documenti analoghi
-
Improving Visual Reasoning with Iterative Evidence Refinement
di: Shi, Zeru, et al.
Pubblicazione: (2026) -
SVQA-R1: Reinforcing Spatial Reasoning in MLLMs via View-Consistent Reward Optimization
di: Wang, Peiyao, et al.
Pubblicazione: (2025) -
Unhackable Temporal Rewarding for Scalable Video MLLMs
di: Yu, En, et al.
Pubblicazione: (2025) -
Counting Circuits: Mechanistic Interpretability of Visual Reasoning in Large Vision-Language Models
di: Che, Liwei, et al.
Pubblicazione: (2026) -
Enhancing the Outcome Reward-based RL Training of MLLMs with Self-Consistency Sampling
di: Wang, Jiahao, et al.
Pubblicazione: (2025)