SpatiO: Adaptive Test-Time Orchestration of Vision-Language Agents for Spatial Reasoning
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Hwang, Chan Yeong, Choi, Miso, On, Sunghyun, Kim, Jinkyu, Lee, Jungbeom |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Toward Interactive Regional Understanding in Vision-Large Language Models
par: Lee, Jungbeom, et autres
Publié: (2024)
par: Lee, Jungbeom, et autres
Publié: (2024)
ReCo: Reminder Composition Mitigates Hallucinations in Vision-Language Models
par: Chytas, Sotirios Panagiotis, et autres
Publié: (2025)
par: Chytas, Sotirios Panagiotis, et autres
Publié: (2025)
It's Time to Get It Right: Improving Analog Clock Reading and Clock-Hand Spatial Reasoning in Vision-Language Models
par: Choi, Jaeha, et autres
Publié: (2026)
par: Choi, Jaeha, et autres
Publié: (2026)
Masking Matters: Unlocking the Spatial Reasoning Capabilities of LLMs for 3D Scene-Language Understanding
par: Jeon, Yerim, et autres
Publié: (2025)
par: Jeon, Yerim, et autres
Publié: (2025)
Transferable Model-agnostic Vision-Language Model Adaptation for Efficient Weak-to-Strong Generalization
par: Park, Jihwan, et autres
Publié: (2025)
par: Park, Jihwan, et autres
Publié: (2025)
MultihopSpatial: Multi-hop Compositional Spatial Reasoning Benchmark for Vision-Language Model
par: Lee, Youngwan, et autres
Publié: (2026)
par: Lee, Youngwan, et autres
Publié: (2026)
IWP: Token Pruning as Implicit Weight Pruning in Large Vision Language Models
par: Lee, Dong-Jae, et autres
Publié: (2026)
par: Lee, Dong-Jae, et autres
Publié: (2026)
Style-Friendly SNR Sampler for Style-Driven Generation
par: Choi, Jooyoung, et autres
Publié: (2024)
par: Choi, Jooyoung, et autres
Publié: (2024)
Focus, Don't Prune: Identifying Instruction-Relevant Regions for Information-Rich Image Understanding
par: Kwon, Mincheol, et autres
Publié: (2026)
par: Kwon, Mincheol, et autres
Publié: (2026)
MambaEye: A Size-Agnostic Visual Encoder with Causal Sequential Processing
par: Choi, Changho, et autres
Publié: (2025)
par: Choi, Changho, et autres
Publié: (2025)
AT-SNN: Adaptive Tokens for Vision Transformer on Spiking Neural Network
par: Kang, Donghwa, et autres
Publié: (2024)
par: Kang, Donghwa, et autres
Publié: (2024)
Keep it SymPL: Symbolic Projective Layout for Allocentric Spatial Reasoning in Vision-Language Models
par: Jang, Jaeyun, et autres
Publié: (2026)
par: Jang, Jaeyun, et autres
Publié: (2026)
Activating Self-Attention for Multi-Scene Absolute Pose Regression
par: Lee, Miso, et autres
Publié: (2024)
par: Lee, Miso, et autres
Publié: (2024)
Long-term Pre-training for Temporal Action Detection with Transformers
par: Kim, Jihwan, et autres
Publié: (2024)
par: Kim, Jihwan, et autres
Publié: (2024)
How Do Large Vision-Language Models See Text in Image? Unveiling the Distinctive Role of OCR Heads
par: Baek, Ingeol, et autres
Publié: (2025)
par: Baek, Ingeol, et autres
Publié: (2025)
SyncMask: Synchronized Attentional Masking for Fashion-centric Vision-Language Pretraining
par: Song, Chull Hwan, et autres
Publié: (2024)
par: Song, Chull Hwan, et autres
Publié: (2024)
Reflexive Guidance: Improving OoDD in Vision-Language Models via Self-Guided Image-Adaptive Concept Generation
par: Kim, Jihyo, et autres
Publié: (2024)
par: Kim, Jihyo, et autres
Publié: (2024)
Negative-Guided Subject Fidelity Optimization for Zero-Shot Subject-Driven Generation
par: Shin, Chaehun, et autres
Publié: (2025)
par: Shin, Chaehun, et autres
Publié: (2025)
Ultra-Light Test-Time Adaptation for Vision--Language Models
par: Kim, Byunghyun
Publié: (2025)
par: Kim, Byunghyun
Publié: (2025)
Improving Calibration in Test-Time Prompt Tuning for Vision-Language Models via Data-Free Flatness-Aware Prompt Pretraining
par: Jang, Hyeonseo, et autres
Publié: (2026)
par: Jang, Hyeonseo, et autres
Publié: (2026)
From Tokens to Photons: Test-Time Physical Prompting for Vision-Language Models
par: Im, Boyeong, et autres
Publié: (2025)
par: Im, Boyeong, et autres
Publié: (2025)
Vision-Language Memory for Spatial Reasoning
par: Liu, Zuntao, et autres
Publié: (2025)
par: Liu, Zuntao, et autres
Publié: (2025)
Adaptive Cache Enhancement for Test-Time Adaptation of Vision-Language Models
par: Nguyen, Khanh-Binh, et autres
Publié: (2025)
par: Nguyen, Khanh-Binh, et autres
Publié: (2025)
Just Add $100 More: Augmenting NeRF-based Pseudo-LiDAR Point Cloud for Resolving Class-imbalance Problem
par: Chang, Mincheol, et autres
Publié: (2024)
par: Chang, Mincheol, et autres
Publié: (2024)
PointCubeNet: 3D Part-level Reasoning with 3x3x3 Point Cloud Blocks
par: Kim, Da-Yeong, et autres
Publié: (2025)
par: Kim, Da-Yeong, et autres
Publié: (2025)
DiffExp: Efficient Exploration in Reward Fine-tuning for Text-to-Image Diffusion Models
par: Chae, Daewon, et autres
Publié: (2025)
par: Chae, Daewon, et autres
Publié: (2025)
SpatialRGPT: Grounded Spatial Reasoning in Vision Language Models
par: Cheng, An-Chieh, et autres
Publié: (2024)
par: Cheng, An-Chieh, et autres
Publié: (2024)
RNA: Video Editing with ROI-based Neural Atlas
par: Lee, Jaekyeong, et autres
Publié: (2024)
par: Lee, Jaekyeong, et autres
Publié: (2024)
Stream and Query-guided Feature Aggregation for Efficient and Effective 3D Occupancy Prediction
par: Moon, Seokha, et autres
Publié: (2025)
par: Moon, Seokha, et autres
Publié: (2025)
Efficient Diffusion-Driven Corruption Editor for Test-Time Adaptation
par: Oh, Yeongtak, et autres
Publié: (2024)
par: Oh, Yeongtak, et autres
Publié: (2024)
Intriguing Properties of Large Language and Vision Models
par: Lee, Young-Jun, et autres
Publié: (2024)
par: Lee, Young-Jun, et autres
Publié: (2024)
Regularized Training with Generated Datasets for Name-Only Transfer of Vision-Language Models
par: Park, Minho, et autres
Publié: (2024)
par: Park, Minho, et autres
Publié: (2024)
Focusing Where Vision Matters: Selective Training for Large Vision Language Models via Visual Information Gain
par: Lee, Seulbi, et autres
Publié: (2026)
par: Lee, Seulbi, et autres
Publié: (2026)
D-TPT: Dimensional Entropy Maximization for Calibrating Test-Time Prompt Tuning in Vision-Language Models
par: Han, Jisu, et autres
Publié: (2025)
par: Han, Jisu, et autres
Publié: (2025)
IMSE: Intrinsic Mixture of Spectral Experts Fine-tuning for Test-Time Adaptation
par: Baek, Sunghyun, et autres
Publié: (2026)
par: Baek, Sunghyun, et autres
Publié: (2026)
Personalized OVSS: Understanding Personal Concept in Open-Vocabulary Semantic Segmentation
par: Park, Sunghyun, et autres
Publié: (2025)
par: Park, Sunghyun, et autres
Publié: (2025)
Diagnosing and Correcting Concept Omission in Multimodal Diffusion Transformers
par: Baek, Kanghyun, et autres
Publié: (2026)
par: Baek, Kanghyun, et autres
Publié: (2026)
Hierarchical Spatial Proximity Reasoning for Vision-and-Language Navigation
par: Xu, Ming, et autres
Publié: (2024)
par: Xu, Ming, et autres
Publié: (2024)
InternSpatial: A Comprehensive Dataset for Spatial Reasoning in Vision-Language Models
par: Deng, Nianchen, et autres
Publié: (2025)
par: Deng, Nianchen, et autres
Publié: (2025)
ReSpinQuant: Efficient Layer-Wise LLM Quantization via Subspace Residual Rotation Approximation
par: Kim, Suyoung, et autres
Publié: (2026)
par: Kim, Suyoung, et autres
Publié: (2026)
Documents similaires
-
Toward Interactive Regional Understanding in Vision-Large Language Models
par: Lee, Jungbeom, et autres
Publié: (2024) -
ReCo: Reminder Composition Mitigates Hallucinations in Vision-Language Models
par: Chytas, Sotirios Panagiotis, et autres
Publié: (2025) -
It's Time to Get It Right: Improving Analog Clock Reading and Clock-Hand Spatial Reasoning in Vision-Language Models
par: Choi, Jaeha, et autres
Publié: (2026) -
Masking Matters: Unlocking the Spatial Reasoning Capabilities of LLMs for 3D Scene-Language Understanding
par: Jeon, Yerim, et autres
Publié: (2025) -
Transferable Model-agnostic Vision-Language Model Adaptation for Efficient Weak-to-Strong Generalization
par: Park, Jihwan, et autres
Publié: (2025)