Enregistré dans:
| Auteurs principaux: | Agarwal, Sakshi, Konwer, Aishik, Shah, Ankit Parag |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | https://arxiv.org/abs/2605.02912 |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Zero-Shot Visual Reasoning by Vision-Language Models: Benchmarking and Analysis
par: Nagar, Aishik, et autres
Publié: (2024)
par: Nagar, Aishik, et autres
Publié: (2024)
VIPaint: Image Inpainting with Pre-Trained Diffusion Models via Variational Inference
par: Agarwal, Sakshi, et autres
Publié: (2024)
par: Agarwal, Sakshi, et autres
Publié: (2024)
VIDEOP2R: Video Understanding from Perception to Reasoning
par: Jiang, Yifan, et autres
Publié: (2025)
par: Jiang, Yifan, et autres
Publié: (2025)
Privacy-Aware Video Anomaly Detection through Orthogonal Subspace Projection
par: Wang, Lei, et autres
Publié: (2026)
par: Wang, Lei, et autres
Publié: (2026)
Emergent Visual Grounding in Large Multimodal Models Without Grounding Supervision
par: Cao, Shengcao, et autres
Publié: (2024)
par: Cao, Shengcao, et autres
Publié: (2024)
VERA: Explainable Video Anomaly Detection via Verbalized Learning of Vision-Language Models
par: Ye, Muchao, et autres
Publié: (2024)
par: Ye, Muchao, et autres
Publié: (2024)
Adaptive Diagnostic Reasoning Framework for Pathology with Multimodal Large Language Models
par: Hong, Yunqi, et autres
Publié: (2025)
par: Hong, Yunqi, et autres
Publié: (2025)
Thinking Diffusion: Penalize and Guide Visual-Grounded Reasoning in Diffusion Multimodal Language Models
par: Kim, Keuntae, et autres
Publié: (2026)
par: Kim, Keuntae, et autres
Publié: (2026)
Towards Visual Text Grounding of Multimodal Large Language Model
par: Li, Ming, et autres
Publié: (2025)
par: Li, Ming, et autres
Publié: (2025)
Knowledge-Guided Textual Reasoning for Explainable Video Anomaly Detection via LLMs
par: Lee, Hari
Publié: (2025)
par: Lee, Hari
Publié: (2025)
Lightning Fast Video Anomaly Detection via Adversarial Knowledge Distillation
par: Croitoru, Florinel-Alin, et autres
Publié: (2022)
par: Croitoru, Florinel-Alin, et autres
Publié: (2022)
Video Anomaly Detection with Structured Keywords
par: Foltz, Thomas
Publié: (2025)
par: Foltz, Thomas
Publié: (2025)
Enhancing Weakly Supervised Multimodal Video Anomaly Detection through Text Guidance
par: Sun, Shengyang, et autres
Publié: (2026)
par: Sun, Shengyang, et autres
Publié: (2026)
Groma: Localized Visual Tokenization for Grounding Multimodal Large Language Models
par: Ma, Chuofan, et autres
Publié: (2024)
par: Ma, Chuofan, et autres
Publié: (2024)
EDVD-LLaMA: Explainable Deepfake Video Detection via Multimodal Large Language Model Reasoning
par: Sun, Haoran, et autres
Publié: (2025)
par: Sun, Haoran, et autres
Publié: (2025)
Reasoning Limitations of Multimodal Large Language Models. A Case Study of Bongard Problems
par: Małkiński, Mikołaj, et autres
Publié: (2024)
par: Małkiński, Mikołaj, et autres
Publié: (2024)
LogTinyLLM: Tiny Large Language Models Based Contextual Log Anomaly Detection
par: Ocansey, Isaiah Thompson, et autres
Publié: (2025)
par: Ocansey, Isaiah Thompson, et autres
Publié: (2025)
Advancing Egocentric Video Question Answering with Multimodal Large Language Models
par: Patel, Alkesh, et autres
Publié: (2025)
par: Patel, Alkesh, et autres
Publié: (2025)
MMR-AD: A Large-Scale Multimodal Dataset for Benchmarking General Anomaly Detection with Multimodal Large Language Models
par: Yao, Xincheng, et autres
Publié: (2026)
par: Yao, Xincheng, et autres
Publié: (2026)
KKA: Improving Vision Anomaly Detection through Anomaly-related Knowledge from Large Language Models
par: Chen, Dong, et autres
Publié: (2025)
par: Chen, Dong, et autres
Publié: (2025)
MMAD: A Comprehensive Benchmark for Multimodal Large Language Models in Industrial Anomaly Detection
par: Jiang, Xi, et autres
Publié: (2024)
par: Jiang, Xi, et autres
Publié: (2024)
Survey of Large Multimodal Model Datasets, Application Categories and Taxonomy
par: Pattnayak, Priyaranjan, et autres
Publié: (2024)
par: Pattnayak, Priyaranjan, et autres
Publié: (2024)
A Structured Benchmark for Text-Guided Anomaly Detection: When Language Stops Conditioning the Decision
par: Samele, Stefano, et autres
Publié: (2026)
par: Samele, Stefano, et autres
Publié: (2026)
Fill the GAP: A Granular Alignment Paradigm for Visual Reasoning in Multimodal Large Language Models
par: Miao, Yanting, et autres
Publié: (2026)
par: Miao, Yanting, et autres
Publié: (2026)
Insight-V++: Towards Advanced Long-Chain Visual Reasoning with Multimodal Large Language Models
par: Dong, Yuhao, et autres
Publié: (2026)
par: Dong, Yuhao, et autres
Publié: (2026)
Harnessing Vision-Language Models for Time Series Anomaly Detection
par: He, Zelin, et autres
Publié: (2025)
par: He, Zelin, et autres
Publié: (2025)
Grounding Video Models to Actions through Goal Conditioned Exploration
par: Luo, Yunhao, et autres
Publié: (2024)
par: Luo, Yunhao, et autres
Publié: (2024)
JUDO: A Juxtaposed Domain-Oriented Multimodal Reasoner for Industrial Anomaly QA
par: Kang, Hyunju, et autres
Publié: (2026)
par: Kang, Hyunju, et autres
Publié: (2026)
Bridging Vision Language Models and Symbolic Grounding for Video Question Answering
par: Ma, Haodi, et autres
Publié: (2025)
par: Ma, Haodi, et autres
Publié: (2025)
Anomaly-Aware Vision-Language Adapters for Zero-Shot Anomaly Detection
par: Aqeel, Muhammad, et autres
Publié: (2026)
par: Aqeel, Muhammad, et autres
Publié: (2026)
Gemini Goes to Med School: Exploring the Capabilities of Multimodal Large Language Models on Medical Challenge Problems & Hallucinations
par: Pal, Ankit, et autres
Publié: (2024)
par: Pal, Ankit, et autres
Publié: (2024)
Video Anomaly Detection via Spatio-Temporal Pseudo-Anomaly Generation : A Unified Approach
par: Rai, Ayush K., et autres
Publié: (2023)
par: Rai, Ayush K., et autres
Publié: (2023)
ExpVG: Investigating the Design Space of Visual Grounding in Multimodal Large Language Model
par: Kang, Weitai, et autres
Publié: (2025)
par: Kang, Weitai, et autres
Publié: (2025)
Perception Tokens Enhance Visual Reasoning in Multimodal Language Models
par: Bigverdi, Mahtab, et autres
Publié: (2024)
par: Bigverdi, Mahtab, et autres
Publié: (2024)
Grounded-VideoLLM: Sharpening Fine-grained Temporal Grounding in Video Large Language Models
par: Wang, Haibo, et autres
Publié: (2024)
par: Wang, Haibo, et autres
Publié: (2024)
MORSE-500: A Programmatically Controllable Video Benchmark to Stress-Test Multimodal Reasoning
par: Cai, Zikui, et autres
Publié: (2025)
par: Cai, Zikui, et autres
Publié: (2025)
By My Eyes: Grounding Multimodal Large Language Models with Sensor Data via Visual Prompting
par: Yoon, Hyungjun, et autres
Publié: (2024)
par: Yoon, Hyungjun, et autres
Publié: (2024)
Temporal Grounding of Activities using Multimodal Large Language Models
par: Song, Young Chol
Publié: (2024)
par: Song, Young Chol
Publié: (2024)
Vision-R1: Incentivizing Reasoning Capability in Multimodal Large Language Models
par: Huang, Wenxuan, et autres
Publié: (2025)
par: Huang, Wenxuan, et autres
Publié: (2025)
Ground-A-Video: Zero-shot Grounded Video Editing using Text-to-image Diffusion Models
par: Jeong, Hyeonho, et autres
Publié: (2023)
par: Jeong, Hyeonho, et autres
Publié: (2023)
Documents similaires
-
Zero-Shot Visual Reasoning by Vision-Language Models: Benchmarking and Analysis
par: Nagar, Aishik, et autres
Publié: (2024) -
VIPaint: Image Inpainting with Pre-Trained Diffusion Models via Variational Inference
par: Agarwal, Sakshi, et autres
Publié: (2024) -
VIDEOP2R: Video Understanding from Perception to Reasoning
par: Jiang, Yifan, et autres
Publié: (2025) -
Privacy-Aware Video Anomaly Detection through Orthogonal Subspace Projection
par: Wang, Lei, et autres
Publié: (2026) -
Emergent Visual Grounding in Large Multimodal Models Without Grounding Supervision
par: Cao, Shengcao, et autres
Publié: (2024)