Copertina

Qwen3-VL-Seg: Unlocking Open-World Referring Segmentation with Vision-Language Grounding

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Yao, Yuan, Yang, Qiushi, Zhong, Humen, Wei, Jiangning, Men, Yifang, Bai, Shuai, Cui, Miaomiao, Yang, Zhibo
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Computer Vision and Pattern Recognition Artificial Intelligence
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

VL-Reader: Vision and Language Reconstructor is an Effective Scene Text Recognizer
di: Zhong, Humen, et al.
Pubblicazione: (2024)

Qwen2-VL: Enhancing Vision-Language Model's Perception of the World at Any Resolution
di: Wang, Peng, et al.
Pubblicazione: (2024)

Qwen2.5-VL Technical Report
di: Bai, Shuai, et al.
Pubblicazione: (2025)

McSc: Motion-Corrective Preference Alignment for Video Generation with Self-Critic Hierarchical Reasoning
di: Yang, Qiushi, et al.
Pubblicazione: (2025)

Qwen3-VL-Embedding and Qwen3-VL-Reranker: A Unified Framework for State-of-the-Art Multimodal Retrieval and Ranking
di: Li, Mingxin, et al.
Pubblicazione: (2026)

Qwen3-VL Technical Report
di: Bai, Shuai, et al.
Pubblicazione: (2025)

MIMO: Controllable Character Video Synthesis with Spatial Decomposed Modeling
di: Men, Yifang, et al.
Pubblicazione: (2024)

Towards Fine-grained Interactive Segmentation in Images and Videos
di: Yao, Yuan, et al.
Pubblicazione: (2025)

MoSAM: Motion-Guided Segment Anything Model with Spatial-Temporal Memory Selection
di: Yang, Qiushi, et al.
Pubblicazione: (2025)

Perception-as-Control: Fine-grained Controllable Image Animation with 3D-aware Motion Representation
di: Chen, Yingjie, et al.
Pubblicazione: (2025)

En3D: An Enhanced Generative Model for Sculpting 3D Humans from 2D Synthetic Data
di: Men, Yifang, et al.
Pubblicazione: (2024)

Open-Qwen2VL: Compute-Efficient Pre-Training of Fully-Open Multimodal LLMs on Academic Resources
di: Wang, Weizhi, et al.
Pubblicazione: (2025)

GenSeg-R1: RL-Driven Vision-Language Grounding for Fine-Grained Referring Segmentation
di: Hegde, Sandesh, et al.
Pubblicazione: (2026)

Platypus: A Generalized Specialist Model for Reading Text in Various Forms
di: Wang, Peng, et al.
Pubblicazione: (2024)

WOW-Seg: A Word-free Open World Segmentation Model
di: Li, Danyang, et al.
Pubblicazione: (2026)

FrozenSeg: Harmonizing Frozen Foundation Models for Open-Vocabulary Segmentation
di: Chen, Xi, et al.
Pubblicazione: (2024)

DeepSeek-VL: Towards Real-World Vision-Language Understanding
di: Lu, Haoyu, et al.
Pubblicazione: (2024)

Dream-VL & Dream-VLA: Open Vision-Language and Vision-Language-Action Models with Diffusion Language Model Backbone
di: Ye, Jiacheng, et al.
Pubblicazione: (2025)

Tuning Qwen2.5-VL to Improve Its Web Interaction Skills
di: Yakovleva, Alexandra, et al.
Pubblicazione: (2026)

A-VL: Adaptive Attention for Large Vision-Language Models
di: Zhang, Junyang, et al.
Pubblicazione: (2024)

AnchorSeg: Language Grounded Query Banks for Reasoning Segmentation
di: Qian, Rui, et al.
Pubblicazione: (2026)

Qwen2 Technical Report
di: Yang, An, et al.
Pubblicazione: (2024)

OmniVL-Guard: Towards Unified Vision-Language Forgery Detection and Grounding via Balanced RL
di: Shen, Jinjie, et al.
Pubblicazione: (2026)

Qwen-VLA: Unifying Vision-Language-Action Modeling across Tasks, Environments, and Robot Embodiments
di: Wang, Qiuyue, et al.
Pubblicazione: (2026)

MatchSeg: Towards Better Segmentation via Reference Image Matching
di: Huo, Jiayu, et al.
Pubblicazione: (2024)

CC-OCR: A Comprehensive and Challenging OCR Benchmark for Evaluating Large Multimodal Models in Literacy
di: Yang, Zhibo, et al.
Pubblicazione: (2024)

Qwen2.5-Coder Technical Report
di: Hui, Binyuan, et al.
Pubblicazione: (2024)

HyperSeg: Towards Universal Visual Segmentation with Large Language Model
di: Wei, Cong, et al.
Pubblicazione: (2024)

UniGeoSeg: Towards Unified Open-World Segmentation for Geospatial Scenes
di: Ni, Shuo, et al.
Pubblicazione: (2025)

UniVL: Unified Vision-Language Embedding for Spatially Grounded Contextual Image Generation
di: Wang, Jiayun, et al.
Pubblicazione: (2026)

Qwen2.5 Technical Report
di: Qwen, et al.
Pubblicazione: (2024)

VL4Gaze: Unleashing Vision-Language Models for Gaze Following
di: Wang, Shijing, et al.
Pubblicazione: (2025)

Qwen3-Omni Technical Report
di: Xu, Jin, et al.
Pubblicazione: (2025)

PointSeg: A Training-Free Paradigm for 3D Scene Segmentation via Foundation Models
di: He, Qingdong, et al.
Pubblicazione: (2024)

Qwen3 Technical Report
di: Yang, An, et al.
Pubblicazione: (2025)

Qianfan-VL: Domain-Enhanced Universal Vision-Language Models
di: Dong, Daxiang, et al.
Pubblicazione: (2025)

InstructSeg: Unifying Instructed Visual Segmentation with Multi-modal Large Language Models
di: Wei, Cong, et al.
Pubblicazione: (2024)

Nemesis: Normalizing the Soft-prompt Vectors of Vision-Language Models
di: Fu, Shuai, et al.
Pubblicazione: (2024)

AgriGPT-VL: Agricultural Vision-Language Understanding Suite
di: Yang, Bo, et al.
Pubblicazione: (2025)

Qwen2.5-Omni Technical Report
di: Xu, Jin, et al.
Pubblicazione: (2025)