PinpointQA: A Dataset and Benchmark for Small Object-Centric Spatial Understanding in Indoor Videos
Fuente:
arXiv
Salvato in:
| Autori principali: | Zhou, Zhiyu, Liu, Peilin, Zhang, Ruoxuan, Zhang, Luyang, Zhang, Cheng, Xie, Hongxia, Cheng, Wen-Huang |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2026
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Attribute-Grounded Selective Reasoning for Artwork Emotion Understanding with Multimodal Large Language Models
di: Zhang, Cheng, et al.
Pubblicazione: (2026)
di: Zhang, Cheng, et al.
Pubblicazione: (2026)
EmoArt: A Multidimensional Dataset for Emotion-Aware Artistic Generation
di: Zhang, Cheng, et al.
Pubblicazione: (2025)
di: Zhang, Cheng, et al.
Pubblicazione: (2025)
RecipeGen: A Step-Aligned Multimodal Benchmark for Real-World Recipe Generation
di: Zhang, Ruoxuan, et al.
Pubblicazione: (2025)
di: Zhang, Ruoxuan, et al.
Pubblicazione: (2025)
ReXSonoVQA: A Video QA Benchmark for Procedure-Centric Ultrasound Understanding
di: Wang, Xucheng, et al.
Pubblicazione: (2026)
di: Wang, Xucheng, et al.
Pubblicazione: (2026)
Spatial Reasoning in Foundation Models: Benchmarking Object-Centric Spatial Understanding
di: Mirjalili, Vahid, et al.
Pubblicazione: (2025)
di: Mirjalili, Vahid, et al.
Pubblicazione: (2025)
SoccerNet-Tracking: Multiple Object Tracking Dataset and Benchmark in Soccer Videos
di: Cioppa, Anthony, et al.
Pubblicazione: (2022)
di: Cioppa, Anthony, et al.
Pubblicazione: (2022)
RecipeGen: A Benchmark for Real-World Recipe Image Generation
di: Zhang, Ruoxuan, et al.
Pubblicazione: (2025)
di: Zhang, Ruoxuan, et al.
Pubblicazione: (2025)
ProcObject-10K: Benchmarking Object-Centric Procedural Understanding in Instructional Videos
di: Guo, Wenliang, et al.
Pubblicazione: (2025)
di: Guo, Wenliang, et al.
Pubblicazione: (2025)
TUMTraffic-VideoQA: A Benchmark for Unified Spatio-Temporal Video Understanding in Traffic Scenes
di: Zhou, Xingcheng, et al.
Pubblicazione: (2025)
di: Zhou, Xingcheng, et al.
Pubblicazione: (2025)
CausalSpatial: A Benchmark for Object-Centric Causal Spatial Reasoning
di: Ma, Wenxin, et al.
Pubblicazione: (2026)
di: Ma, Wenxin, et al.
Pubblicazione: (2026)
NuScenes-SpatialQA: A Spatial Understanding and Reasoning Benchmark for Vision-Language Models in Autonomous Driving
di: Tian, Kexin, et al.
Pubblicazione: (2025)
di: Tian, Kexin, et al.
Pubblicazione: (2025)
Single Document Image Highlight Removal via A Large-Scale Real-World Dataset and A Location-Aware Network
di: Pan, Lu, et al.
Pubblicazione: (2025)
di: Pan, Lu, et al.
Pubblicazione: (2025)
VideoRefer Suite: Advancing Spatial-Temporal Object Understanding with Video LLM
di: Yuan, Yuqian, et al.
Pubblicazione: (2024)
di: Yuan, Yuqian, et al.
Pubblicazione: (2024)
nuReasoning: A Reasoning-Centric Dataset and Benchmark for Long-Tail Autonomous Driving
di: Huang, Zhiyu, et al.
Pubblicazione: (2026)
di: Huang, Zhiyu, et al.
Pubblicazione: (2026)
DocVideoQA: Towards Comprehensive Understanding of Document-Centric Videos through Question Answering
di: Wang, Haochen, et al.
Pubblicazione: (2025)
di: Wang, Haochen, et al.
Pubblicazione: (2025)
Pinpointing Trigger Moment for Grounded Video QA: Enhancing Spatio-temporal Grounding in Multimodal Large Language Models
di: Seo, Jinhwan, et al.
Pubblicazione: (2025)
di: Seo, Jinhwan, et al.
Pubblicazione: (2025)
AdsQA: Towards Advertisement Video Understanding
di: Long, Xinwei, et al.
Pubblicazione: (2025)
di: Long, Xinwei, et al.
Pubblicazione: (2025)
CookAnything: A Framework for Flexible and Consistent Multi-Step Recipe Image Generation
di: Zhang, Ruoxuan, et al.
Pubblicazione: (2025)
di: Zhang, Ruoxuan, et al.
Pubblicazione: (2025)
RoadSocial: A Diverse VideoQA Dataset and Benchmark for Road Event Understanding from Social Video Narratives
di: Parikh, Chirag, et al.
Pubblicazione: (2025)
di: Parikh, Chirag, et al.
Pubblicazione: (2025)
WTS: A Pedestrian-Centric Traffic Video Dataset for Fine-grained Spatial-Temporal Understanding
di: Kong, Quan, et al.
Pubblicazione: (2024)
di: Kong, Quan, et al.
Pubblicazione: (2024)
HumanVideo-MME: Benchmarking MLLMs for Human-Centric Video Understanding
di: Cai, Yuxuan, et al.
Pubblicazione: (2025)
di: Cai, Yuxuan, et al.
Pubblicazione: (2025)
VideoMathQA: Benchmarking Mathematical Reasoning via Multimodal Understanding in Videos
di: Rasheed, Hanoona, et al.
Pubblicazione: (2025)
di: Rasheed, Hanoona, et al.
Pubblicazione: (2025)
EventMemAgent: Hierarchical Event-Centric Memory for Online Video Understanding with Adaptive Tool Use
di: Wen, Siwei, et al.
Pubblicazione: (2026)
di: Wen, Siwei, et al.
Pubblicazione: (2026)
Video Spatial Reasoning with Object-Centric 3D Rollout
di: Tang, Haoran, et al.
Pubblicazione: (2025)
di: Tang, Haoran, et al.
Pubblicazione: (2025)
FSDETR: Frequency-Spatial Feature Enhancement for Small Object Detection
di: Huang, Jianchao, et al.
Pubblicazione: (2026)
di: Huang, Jianchao, et al.
Pubblicazione: (2026)
MT-Video-Bench: A Holistic Video Understanding Benchmark for Evaluating Multimodal LLMs in Multi-Turn Dialogues
di: Pan, Yaning, et al.
Pubblicazione: (2025)
di: Pan, Yaning, et al.
Pubblicazione: (2025)
Classifier-Centric Adaptive Framework for Open-Vocabulary Camouflaged Object Segmentation
di: Zhang, Hanyu, et al.
Pubblicazione: (2025)
di: Zhang, Hanyu, et al.
Pubblicazione: (2025)
Hand-Centric Motion Refinement for 3D Hand-Object Interaction via Hierarchical Spatial-Temporal Modeling
di: Hao, Yuze, et al.
Pubblicazione: (2024)
di: Hao, Yuze, et al.
Pubblicazione: (2024)
LongInsightBench: A Comprehensive Benchmark for Evaluating Omni-Modal Models on Human-Centric Long-Video Understanding
di: Han, ZhaoYang, et al.
Pubblicazione: (2025)
di: Han, ZhaoYang, et al.
Pubblicazione: (2025)
Generalized Small Object Detection:A Point-Prompted Paradigm and Benchmark
di: Zhu, Haoran, et al.
Pubblicazione: (2026)
di: Zhu, Haoran, et al.
Pubblicazione: (2026)
Cross-Platform Video Person ReID: A New Benchmark Dataset and Adaptation Approach
di: Zhang, Shizhou, et al.
Pubblicazione: (2024)
di: Zhang, Shizhou, et al.
Pubblicazione: (2024)
ProactiveVideoQA: A Comprehensive Benchmark Evaluating Proactive Interactions in Video Large Language Models
di: Wang, Yueqian, et al.
Pubblicazione: (2025)
di: Wang, Yueqian, et al.
Pubblicazione: (2025)
VoQA: Visual-only Question Answering
di: An, Jianing, et al.
Pubblicazione: (2025)
di: An, Jianing, et al.
Pubblicazione: (2025)
LSRM: High-Fidelity Object-Centric Reconstruction via Scaled Context Windows
di: Li, Zhengqin, et al.
Pubblicazione: (2026)
di: Li, Zhengqin, et al.
Pubblicazione: (2026)
EmoVid: A Multimodal Emotion Video Dataset for Emotion-Centric Video Understanding and Generation
di: Qiu, Zongyang, et al.
Pubblicazione: (2025)
di: Qiu, Zongyang, et al.
Pubblicazione: (2025)
LVBench: An Extreme Long Video Understanding Benchmark
di: Wang, Weihan, et al.
Pubblicazione: (2024)
di: Wang, Weihan, et al.
Pubblicazione: (2024)
Spatial-Temporal Graph Enhanced DETR Towards Multi-Frame 3D Object Detection
di: Zhang, Yifan, et al.
Pubblicazione: (2023)
di: Zhang, Yifan, et al.
Pubblicazione: (2023)
FunQA: Towards Surprising Video Comprehension
di: Xie, Binzhu, et al.
Pubblicazione: (2023)
di: Xie, Binzhu, et al.
Pubblicazione: (2023)
DC-Scene: Data-Centric Learning for 3D Scene Understanding
di: Huang, Ting, et al.
Pubblicazione: (2025)
di: Huang, Ting, et al.
Pubblicazione: (2025)
WaterVideoQA: ASV-Centric Perception and Rule-Compliant Reasoning via Multi-Modal Agents
di: Guan, Runwei, et al.
Pubblicazione: (2026)
di: Guan, Runwei, et al.
Pubblicazione: (2026)
Documenti analoghi
-
Attribute-Grounded Selective Reasoning for Artwork Emotion Understanding with Multimodal Large Language Models
di: Zhang, Cheng, et al.
Pubblicazione: (2026) -
EmoArt: A Multidimensional Dataset for Emotion-Aware Artistic Generation
di: Zhang, Cheng, et al.
Pubblicazione: (2025) -
RecipeGen: A Step-Aligned Multimodal Benchmark for Real-World Recipe Generation
di: Zhang, Ruoxuan, et al.
Pubblicazione: (2025) -
ReXSonoVQA: A Video QA Benchmark for Procedure-Centric Ultrasound Understanding
di: Wang, Xucheng, et al.
Pubblicazione: (2026) -
Spatial Reasoning in Foundation Models: Benchmarking Object-Centric Spatial Understanding
di: Mirjalili, Vahid, et al.
Pubblicazione: (2025)