XEmbodied: A Foundation Model with Enhanced Geometric and Physical Cues for Large-Scale Embodied Environments
Fuente:
arXiv
Salvato in:
| Autori principali: | Qian, Kangan, Xie, ChuChu, Zhong, Yang, Pang, Jingrui, Jiao, Siwen, Jiang, Sicong, Huang, Zilin, Wang, Yunlong, Jiang, Kun, Yang, Mengmeng, Ye, Hao, Zhang, Guanghao, Ye, Hangjun, Chen, Guang, Chen, Long, Yang, Diange |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2026
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Learning Primitive Embodied World Models: Towards Scalable Robotic Learning
di: Sun, Qiao, et al.
Pubblicazione: (2025)
di: Sun, Qiao, et al.
Pubblicazione: (2025)
Identity-Aware Vision-Language Model for Explainable Face Forgery Detection
di: Xu, Junhao, et al.
Pubblicazione: (2025)
di: Xu, Junhao, et al.
Pubblicazione: (2025)
Beyond Isolated Utterances: Cue-Guided Interaction for Context-Dependent Conversational Multimodal Understanding
di: Pan, Zhaoyan, et al.
Pubblicazione: (2026)
di: Pan, Zhaoyan, et al.
Pubblicazione: (2026)
Bringing Robots Home: The Rise of AI Robots in Consumer Electronics
di: Dong, Haiwei, et al.
Pubblicazione: (2024)
di: Dong, Haiwei, et al.
Pubblicazione: (2024)
Structure-Aware Residual-Center Representation for Self-Supervised Open-Set 3D Cross-Modal Retrieval
di: Xu, Yang, et al.
Pubblicazione: (2024)
di: Xu, Yang, et al.
Pubblicazione: (2024)
High-Fidelity 3D Gaussian Human Reconstruction via Region-Aware Initialization and Geometric Priors
di: Liu, Yang, et al.
Pubblicazione: (2026)
di: Liu, Yang, et al.
Pubblicazione: (2026)
Music Grounding by Short Video
di: Xin, Zijie, et al.
Pubblicazione: (2024)
di: Xin, Zijie, et al.
Pubblicazione: (2024)
CueNet: Robust Audio-Visual Speaker Extraction through Cross-Modal Cue Mining and Interaction
di: Wang, Jiadong, et al.
Pubblicazione: (2026)
di: Wang, Jiadong, et al.
Pubblicazione: (2026)
EvaDrive: Evolutionary Adversarial Policy Optimization for End-to-End Autonomous Driving
di: Jiao, Siwen, et al.
Pubblicazione: (2025)
di: Jiao, Siwen, et al.
Pubblicazione: (2025)
pTSE-T: Presentation Target Speaker Extraction using Unaligned Text Cues
di: Jiang, Ziyang, et al.
Pubblicazione: (2024)
di: Jiang, Ziyang, et al.
Pubblicazione: (2024)
Towards Multimodal Sentiment Analysis via Contrastive Cross-modal Retrieval Augmentation and Hierachical Prompts
di: Zhao, Xianbing, et al.
Pubblicazione: (2025)
di: Zhao, Xianbing, et al.
Pubblicazione: (2025)
Exploring the Robustness of Decision-Level Through Adversarial Attacks on LLM-Based Embodied Models
di: Liu, Shuyuan, et al.
Pubblicazione: (2024)
di: Liu, Shuyuan, et al.
Pubblicazione: (2024)
Enhancing Vision-Language Tracking by Effectively Converting Textual Cues into Visual Cues
di: Feng, X., et al.
Pubblicazione: (2024)
di: Feng, X., et al.
Pubblicazione: (2024)
COPA: Efficient Vision-Language Pre-training Through Collaborative Object- and Patch-Text Alignment
di: Jiang, Chaoya, et al.
Pubblicazione: (2023)
di: Jiang, Chaoya, et al.
Pubblicazione: (2023)
StreamOptix: A Cross-layer Adaptive Video Delivery Scheme
di: Liu, Mufan, et al.
Pubblicazione: (2024)
di: Liu, Mufan, et al.
Pubblicazione: (2024)
AV-EMO-Reasoning: Benchmarking Emotional Reasoning Capabilities in Omni-modal LLMS with Audio-visual Cues
di: Zhou, Dingkun, et al.
Pubblicazione: (2025)
di: Zhou, Dingkun, et al.
Pubblicazione: (2025)
Emotional Cues Extraction and Fusion for Multi-modal Emotion Prediction and Recognition in Conversation
di: Shi, Haoxiang, et al.
Pubblicazione: (2024)
di: Shi, Haoxiang, et al.
Pubblicazione: (2024)
SOMONITOR: Combining Explainable AI & Large Language Models for Marketing Analytics
di: Farseev, Aleksandr, et al.
Pubblicazione: (2024)
di: Farseev, Aleksandr, et al.
Pubblicazione: (2024)
MindFuse: Towards GenAI Explainability in Marketing Strategy Co-Creation
di: Farseev, Aleksandr, et al.
Pubblicazione: (2025)
di: Farseev, Aleksandr, et al.
Pubblicazione: (2025)
PathAsst: A Generative Foundation AI Assistant Towards Artificial General Intelligence of Pathology
di: Sun, Yuxuan, et al.
Pubblicazione: (2023)
di: Sun, Yuxuan, et al.
Pubblicazione: (2023)
An Empirical Study of Excitation and Aggregation Design Adaptions in CLIP4Clip for Video-Text Retrieval
di: Jing, Xiaolun, et al.
Pubblicazione: (2024)
di: Jing, Xiaolun, et al.
Pubblicazione: (2024)
MORE-R1: Guiding LVLM for Multimodal Object-Entity Relation Extraction via Stepwise Reasoning with Reinforcement Learning
di: Yuan, Xiang, et al.
Pubblicazione: (2026)
di: Yuan, Xiang, et al.
Pubblicazione: (2026)
Towards Multimodal Emotional Support Conversation Systems
di: Chu, Yuqi, et al.
Pubblicazione: (2024)
di: Chu, Yuqi, et al.
Pubblicazione: (2024)
HyperFusion: Hierarchical Multimodal Ensemble Learning for Social Media Popularity Prediction
di: Ye, Liliang, et al.
Pubblicazione: (2025)
di: Ye, Liliang, et al.
Pubblicazione: (2025)
Learning Segment Similarity and Alignment in Large-Scale Content Based Video Retrieval
di: Jiang, Chen, et al.
Pubblicazione: (2023)
di: Jiang, Chen, et al.
Pubblicazione: (2023)
DreamMesh: Jointly Manipulating and Texturing Triangle Meshes for Text-to-3D Generation
di: Yang, Haibo, et al.
Pubblicazione: (2024)
di: Yang, Haibo, et al.
Pubblicazione: (2024)
Latent Feature-Guided Conditional Diffusion for Generative Image Semantic Communication
di: Chen, Zehao, et al.
Pubblicazione: (2025)
di: Chen, Zehao, et al.
Pubblicazione: (2025)
MOS-FAD: Improving Fake Audio Detection Via Automatic Mean Opinion Score Prediction
di: Zhou, Wangjin, et al.
Pubblicazione: (2024)
di: Zhou, Wangjin, et al.
Pubblicazione: (2024)
DuoTeach: Dual Role Self-Teaching for Coarse-to-Fine Decision Coordination in Vision--Language Models
di: Yang, Wei, et al.
Pubblicazione: (2025)
di: Yang, Wei, et al.
Pubblicazione: (2025)
DeepStream: Prototyping Deep Joint Source-Channel Coding for Real-Time Multimedia Transmissions
di: Chi, Kaiyi, et al.
Pubblicazione: (2025)
di: Chi, Kaiyi, et al.
Pubblicazione: (2025)
HAFM: Hierarchical Autoregressive Foundation Model for Music Accompaniment Generation
di: Zhu, Jian, et al.
Pubblicazione: (2026)
di: Zhu, Jian, et al.
Pubblicazione: (2026)
PerformSinger: Multimodal Singing Voice Synthesis Leveraging Synchronized Lip Cues from Singing Performance Videos
di: Gu, Ke, et al.
Pubblicazione: (2025)
di: Gu, Ke, et al.
Pubblicazione: (2025)
Identity-Driven Multimedia Forgery Detection via Reference Assistance
di: Xu, Junhao, et al.
Pubblicazione: (2024)
di: Xu, Junhao, et al.
Pubblicazione: (2024)
Navigating Weight Prediction with Diet Diary
di: Gui, Yinxuan, et al.
Pubblicazione: (2024)
di: Gui, Yinxuan, et al.
Pubblicazione: (2024)
Clinical Multi-modal Fusion with Heterogeneous Graph and Disease Correlation Learning for Multi-Disease Prediction
di: Jiang, Yueheng, et al.
Pubblicazione: (2025)
di: Jiang, Yueheng, et al.
Pubblicazione: (2025)
MTRDrive: Memory-Tool Synergistic Reasoning for Robust Autonomous Driving in Corner Cases
di: Luo, Ziang, et al.
Pubblicazione: (2025)
di: Luo, Ziang, et al.
Pubblicazione: (2025)
HMPE:HeatMap Embedding for Efficient Transformer-Based Small Object Detection
di: Zeng, YangChen
Pubblicazione: (2025)
di: Zeng, YangChen
Pubblicazione: (2025)
Privacy-Preserving Multimedia Mobile Cloud Computing Using Protective Perturbation
di: Tang, Zhongze, et al.
Pubblicazione: (2024)
di: Tang, Zhongze, et al.
Pubblicazione: (2024)
PG-Attack: A Precision-Guided Adversarial Attack Framework Against Vision Foundation Models for Autonomous Driving
di: Fu, Jiyuan, et al.
Pubblicazione: (2024)
di: Fu, Jiyuan, et al.
Pubblicazione: (2024)
LungCURE: Benchmarking Multimodal Real-World Clinical Reasoning for Precision Lung Cancer Diagnosis and Treatment
di: Hao, Fangyu, et al.
Pubblicazione: (2026)
di: Hao, Fangyu, et al.
Pubblicazione: (2026)
Documenti analoghi
-
Learning Primitive Embodied World Models: Towards Scalable Robotic Learning
di: Sun, Qiao, et al.
Pubblicazione: (2025) -
Identity-Aware Vision-Language Model for Explainable Face Forgery Detection
di: Xu, Junhao, et al.
Pubblicazione: (2025) -
Beyond Isolated Utterances: Cue-Guided Interaction for Context-Dependent Conversational Multimodal Understanding
di: Pan, Zhaoyan, et al.
Pubblicazione: (2026) -
Bringing Robots Home: The Rise of AI Robots in Consumer Electronics
di: Dong, Haiwei, et al.
Pubblicazione: (2024) -
Structure-Aware Residual-Center Representation for Self-Supervised Open-Set 3D Cross-Modal Retrieval
di: Xu, Yang, et al.
Pubblicazione: (2024)