Buchumschlag

Think in Strokes, Not Pixels: Process-Driven Image Generation via Interleaved Reasoning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Lei, Tian, Junjiao, Fan, Zhipeng, Li, Kunpeng, Wang, Jialiang, Chen, Weifeng, Georgopoulos, Markos, Juefei-Xu, Felix, Bao, Yuxiang, McAuley, Julian, Li, Manling, He, Zecheng
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

On Generalization in Agentic Tool Calling: CoreThink Agentic Reasoner and MAVEN Dataset
von: Bhat, Vishvesh, et al.
Veröffentlicht: (2025)

Improving Chain-of-Thought Efficiency for Autoregressive Image Generation
von: Gu, Zeqi, et al.
Veröffentlicht: (2025)

ThinkRouter: Efficient Reasoning via Routing Thinking between Latent and Discrete Spaces
von: Xu, Xin, et al.
Veröffentlicht: (2026)

CoreThink: A Symbolic Reasoning Layer to reason over Long Horizon Tasks with LLMs
von: Vaghasiya, Jay, et al.
Veröffentlicht: (2025)

Code to Think, Think to Code: A Survey on Code-Enhanced Reasoning and Reasoning-Driven Code Intelligence in LLMs
von: Yang, Dayu, et al.
Veröffentlicht: (2025)

Reddit2Deezer: A Scalable Dataset for Real-World Grounded Conversational Music Recommendation
von: Kim, Haven, et al.
Veröffentlicht: (2026)

Three central limit theorems for the unbounded excursion component of a Gaussian field
von: McAuley, Michael
Veröffentlicht: (2024)

Children in Custody
von: McAuley, Mary
Veröffentlicht: (2022)

Politics and the Soviet Union / Mary McAuley
von: McAuley, Mary

Limit theorems for non-local functionals of smooth Gaussian fields via quasi-association
von: McAuley, Michael
Veröffentlicht: (2026)

GSPRec: Temporal-Aware Graph Spectral Filtering for Recommendation
von: Rabiah, Ahmad Bin, et al.
Veröffentlicht: (2025)

StreamDiT: Real-Time Streaming Text-to-Video Generation
von: Kodaira, Akio, et al.
Veröffentlicht: (2025)

PixelThink: Towards Efficient Chain-of-Pixel Reasoning
von: Wang, Song, et al.
Veröffentlicht: (2025)

Extending Input Contexts of Language Models through Training on Segmented Sequences
von: Karypis, Petros, et al.
Veröffentlicht: (2023)

FusID: Modality-Fused Semantic IDs for Generative Music Recommendation
von: Kim, Haven, et al.
Veröffentlicht: (2026)

Multi-Behavior Generative Recommendation
von: Liu, Zihan, et al.
Veröffentlicht: (2024)

Evaluating Memory in LLM Agents via Incremental Multi-Turn Interactions
von: Hu, Yuanzhe, et al.
Veröffentlicht: (2025)

Inductive Generative Recommendation via Retrieval-based Speculation
von: Ding, Yijie, et al.
Veröffentlicht: (2024)

Purely Semantic Indexing for LLM-based Generative Recommendation and Retrieval
von: Zhang, Ruohan, et al.
Veröffentlicht: (2025)

PDMX: A Large-Scale Public Domain MusicXML Dataset for Symbolic Music Processing
von: Long, Phillip, et al.
Veröffentlicht: (2024)

Non-Markov Multi-Round Conversational Image Generation with History-Conditioned MLLMs
von: Zhang, Haochen, et al.
Veröffentlicht: (2026)

Exploring MLLM-Diffusion Information Transfer with MetaCanvas
von: Lin, Han, et al.
Veröffentlicht: (2025)

Pixel-Space Post-Training of Latent Diffusion Models
von: Zhang, Christina, et al.
Veröffentlicht: (2024)

Bridging Conversational and Collaborative Signals for Conversational Recommendation
von: Rabiah, Ahmad Bin, et al.
Veröffentlicht: (2024)

Imagery as Inquiry: Exploring A Multimodal Dataset for Conversational Recommendation
von: Yoon, Se-eun, et al.
Veröffentlicht: (2024)

Calibration-Disentangled Learning and Relevance-Prioritized Reranking for Calibrated Sequential Recommendation
von: Jeon, Hyunsik, et al.
Veröffentlicht: (2024)

Limit theorems for the number of sign and level-set clusters of the Gaussian free field
von: McAuley, Michael, et al.
Veröffentlicht: (2025)

Educating Young Children: A Structural Approach. Routledge Library Editions: Early Years
von: McAuley, Helen, et al.
Veröffentlicht: (2022)

Unlocking Decoding-time Controllability: Gradient-Free Multi-Objective Alignment with Contrastive Prompts
von: Fu, Tingchen, et al.
Veröffentlicht: (2024)

Composer Vector: Style-steering Symbolic Music Generation in a Latent Space
von: Jiang, Xunyi, et al.
Veröffentlicht: (2026)

LVCHAT: Facilitating Long Video Comprehension
von: Wang, Yu, et al.
Veröffentlicht: (2024)

BiasEdit: Debiasing Stereotyped Language Models via Model Editing
von: Xu, Xin, et al.
Veröffentlicht: (2025)

When Benchmarks Age: Temporal Misalignment through Large Language Model Factuality Evaluation
von: Jiang, Xunyi, et al.
Veröffentlicht: (2025)

FINEST: Stabilizing Recommendations by Rank-Preserving Fine-Tuning
von: Oh, Sejoon, et al.
Veröffentlicht: (2024)

ThinkMorph: Emergent Properties in Multimodal Interleaved Chain-of-Thought Reasoning
von: Gu, Jiawei, et al.
Veröffentlicht: (2025)

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

Improving In-Context Learning with Reasoning Distillation
von: Sadeq, Nafis, et al.
Veröffentlicht: (2025)

Explainable Chain-of-Thought Reasoning: An Empirical Analysis on State-Aware Reasoning Dynamics
von: Yu, Sheldon, et al.
Veröffentlicht: (2025)

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

The Thinking Pixel: Recursive Sparse Reasoning in Multimodal Diffusion Latents
von: Sun, Yuwei, et al.
Veröffentlicht: (2026)