Buchumschlag

Visual Generation in the New Era: An Evolution from Atomic Mapping to Agentic World Modeling

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wu, Keming, Yang, Zuhao, Zhang, Kaichen, Wang, Shizun, Zhu, Haowei, Leng, Sicong, Yang, Zhongyu, Wang, Qijie, Wang, Sudong, Wang, Ziting, Wang, Zili, Zhang, Hui, Wang, Haonan, Zhou, Hang, Pu, Yifan, Li, Xingxuan, Zhan, Fangneng, Li, Bo, Bing, Lidong, Song, Yuxin, Liu, Ziwei, Chen, Wenhu, Wang, Jingdong, Wang, Xinchao, Qi, Xiaojuan, Lu, Shijian, Wang, Bin
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

ParaVT: Taming the Tool Prior Paradox for Parallel Tool Use in Agentic Video Reinforcement Learning
von: Yang, Zuhao, et al.
Veröffentlicht: (2026)

LongVT: Incentivizing "Thinking with Long Videos" via Native Tool Calling
von: Yang, Zuhao, et al.
Veröffentlicht: (2025)

OpenMMReasoner: Pushing the Frontiers for Multimodal Reasoning with an Open and General Recipe
von: Zhang, Kaichen, et al.
Veröffentlicht: (2025)

WorldReasonBench: Human-Aligned Stress Testing of Video Generators as Future World-State Predictors
von: Wu, Keming, et al.
Veröffentlicht: (2026)

PE3R: Perception-Efficient 3D Reconstruction
von: Hu, Jie, et al.
Veröffentlicht: (2025)

C4D: 4D Made from 3D through Dual Correspondences
von: Wang, Shizun, et al.
Veröffentlicht: (2025)

MindBridge: A Cross-Subject Brain Decoding Framework
von: Wang, Shizun, et al.
Veröffentlicht: (2024)

GFlow: Recovering 4D World from Monocular Video
von: Wang, Shizun, et al.
Veröffentlicht: (2024)

Test3R: Learning to Reconstruct 3D at Test Time
von: Yuan, Yuheng, et al.
Veröffentlicht: (2025)

Make Geometry Matter for Spatial Reasoning
von: Zhang, Shihua, et al.
Veröffentlicht: (2026)

Beyond SFT-to-RL: Pre-alignment via Black-Box On-Policy Distillation for Multimodal RL
von: Wang, Sudong, et al.
Veröffentlicht: (2026)

Hash3D: Training-free Acceleration for 3D Generation
von: Yang, Xingyi, et al.
Veröffentlicht: (2024)

Language Model as Visual Explainer
von: Yang, Xingyi, et al.
Veröffentlicht: (2024)

Neural Metamorphosis
von: Yang, Xingyi, et al.
Veröffentlicht: (2024)

Compositional Video Generation as Flow Equalization
von: Yang, Xingyi, et al.
Veröffentlicht: (2024)

Kolmogorov-Arnold Transformer
von: Yang, Xingyi, et al.
Veröffentlicht: (2024)

Mitigating Object Hallucinations in Large Vision-Language Models with Assembly of Global and Local Attention
von: An, Wenbin, et al.
Veröffentlicht: (2024)

Accelerating Diffusion-based Super-Resolution with Dynamic Time-Spatial Sampling
von: Qin, Rui, et al.
Veröffentlicht: (2025)

Stream3D: Sequential Multi-View 3D Generation via Evidential Memory
von: Zhou, Kaichen, et al.
Veröffentlicht: (2026)

CapS-Adapter: Caption-based MultiModal Adapter in Zero-Shot Classification
von: Wang, Qijie, et al.
Veröffentlicht: (2024)

Distributional Robustness Bounds Generalization Errors
von: Wang, Shixiong, et al.
Veröffentlicht: (2022)

UniDet-D: A Unified Dynamic Spectral Attention Model for Object Detection under Adverse Weathers
von: Zhang, Wei, et al.
Veröffentlicht: (2025)

Guiding Visual Autoregressive Models through Spectrum Weakening
von: Wang, Chaoyang, et al.
Veröffentlicht: (2025)

PAGE-4D: VGGT-4D Perception via Disentangled Pose and Geometry Estimation
von: Zhou, Kaichen, et al.
Veröffentlicht: (2025)

FusionTransNet for Smart Urban Mobility: Spatiotemporal Traffic Forecasting Through Multimodal Network Integration
von: Wang, Binwu, et al.
Veröffentlicht: (2024)

Query-Kontext: An Unified Multimodal Model for Image Generation and Editing
von: Song, Yuxin, et al.
Veröffentlicht: (2025)

DiffV2IR: Visible-to-Infrared Diffusion Model via Vision-Language Understanding
von: Ran, Lingyan, et al.
Veröffentlicht: (2025)

Efficient Gaussian Splatting for Monocular Dynamic Scene Rendering via Sparse Time-Variant Attribute Modeling
von: Kong, Hanyang, et al.
Veröffentlicht: (2025)

Don't Forget the Nonlinearity: Unlocking Activation Functions in Efficient Fine-Tuning
von: Yin, Bo, et al.
Veröffentlicht: (2025)

Unsegment Anything by Simulating Deformation
von: Lu, Jiahao, et al.
Veröffentlicht: (2024)

Relation Rectification in Diffusion Model
von: Wu, Yinwei, et al.
Veröffentlicht: (2024)

FlashSplat: 2D to 3D Gaussian Splatting Segmentation Solved Optimally
von: Shen, Qiuhong, et al.
Veröffentlicht: (2024)

Manipulating Photogalvanic Effects in Two-Dimensional Multiferroic Breathing Kagome Materials
von: Wang, Haonan, et al.
Veröffentlicht: (2024)

Focus on Neighbors and Know the Whole: Towards Consistent Dense Multiview Text-to-Image Generator for 3D Creation
von: Li, Bonan, et al.
Veröffentlicht: (2024)

ViMU: Benchmarking Video Metaphorical Understanding
von: Li, Qi, et al.
Veröffentlicht: (2026)

MambaOut: Do We Really Need Mamba for Vision?
von: Yu, Weihao, et al.
Veröffentlicht: (2024)

Neural Lineage
von: Yu, Runpeng, et al.
Veröffentlicht: (2024)

Sponge Tool Attack: Stealthy Denial-of-Efficiency against Tool-Augmented Agentic Reasoning
von: Li, Qi, et al.
Veröffentlicht: (2026)

Ungeneralizable Examples
von: Ye, Jingwen, et al.
Veröffentlicht: (2024)

Flipped Classroom: Aligning Teacher Attention with Student in Generalized Category Discovery
von: Lin, Haonan, et al.
Veröffentlicht: (2024)