Beyond Visual Memory: Mechanistic Diagnostics of Latent Visual Reasoning
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Guo, Garvin, Chen, Yu, Wang, Xiang, Li, Shuai, Zhao, Xinpei, Liu, Huaxing, Dong, Shuai |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Do Multimodal Agents Really Benefit from Tool Use? A Systematic Study of Capability Gains
par: Guo, Garvin, et autres
Publié: (2026)
par: Guo, Garvin, et autres
Publié: (2026)
Monet: Reasoning in Latent Visual Space Beyond Images and Language
par: Wang, Qixun, et autres
Publié: (2025)
par: Wang, Qixun, et autres
Publié: (2025)
Determined by User Needs: A Salient Object Detection Rationale Beyond Conventional Visual Stimuli
par: Chen, Chenglizhao, et autres
Publié: (2026)
par: Chen, Chenglizhao, et autres
Publié: (2026)
Dual Latent Memory for Visual Multi-agent System
par: Yu, Xinlei, et autres
Publié: (2026)
par: Yu, Xinlei, et autres
Publié: (2026)
MedLVR: Latent Visual Reasoning for Reliable Medical Visual Question Answering
par: Xi, Suyang, et autres
Publié: (2026)
par: Xi, Suyang, et autres
Publié: (2026)
Beyond Static Visual Tokens: Structured Sequential Visual Chain-of-Thought Reasoning
par: Guo, Guangfu, et autres
Publié: (2026)
par: Guo, Guangfu, et autres
Publié: (2026)
LatentPilot: Scene-Aware Vision-and-Language Navigation by Dreaming Ahead with Latent Visual Reasoning
par: Hao, Haihong, et autres
Publié: (2026)
par: Hao, Haihong, et autres
Publié: (2026)
Machine Mental Imagery: Empower Multimodal Reasoning with Latent Visual Tokens
par: Yang, Zeyuan, et autres
Publié: (2025)
par: Yang, Zeyuan, et autres
Publié: (2025)
ATLAS: Agentic or Latent Visual Reasoning? One Word is Enough for Both
par: Guo, Ziyu, et autres
Publié: (2026)
par: Guo, Ziyu, et autres
Publié: (2026)
DiffDub: Person-generic Visual Dubbing Using Inpainting Renderer with Diffusion Auto-encoder
par: Liu, Tao, et autres
Publié: (2023)
par: Liu, Tao, et autres
Publié: (2023)
Counting Circuits: Mechanistic Interpretability of Visual Reasoning in Large Vision-Language Models
par: Che, Liwei, et autres
Publié: (2026)
par: Che, Liwei, et autres
Publié: (2026)
LaViT: Aligning Latent Visual Thoughts for Multi-modal Reasoning
par: Wu, Linquan, et autres
Publié: (2026)
par: Wu, Linquan, et autres
Publié: (2026)
CrystaL: Spontaneous Emergence of Visual Latents in MLLMs
par: Zhang, Yang, et autres
Publié: (2026)
par: Zhang, Yang, et autres
Publié: (2026)
Reasoning Path and Latent State Analysis for Multi-view Visual Spatial Reasoning: A Cognitive Science Perspective
par: Xue, Qiyao, et autres
Publié: (2025)
par: Xue, Qiyao, et autres
Publié: (2025)
Mixture-of-Visual-Thoughts: Exploring Context-Adaptive Reasoning Mode Selection for General Visual Reasoning
par: Li, Zejun, et autres
Publié: (2025)
par: Li, Zejun, et autres
Publié: (2025)
VITAL: Visual-Semantic Dual Supervision for Enhanced and Interpretable Latent Reasoning in Medical MLLMs
par: Li, Qiaoru, et autres
Publié: (2026)
par: Li, Qiaoru, et autres
Publié: (2026)
Beyond Pixels: Visual Metaphor Transfer via Schema-Driven Agentic Reasoning
par: Xu, Yu, et autres
Publié: (2026)
par: Xu, Yu, et autres
Publié: (2026)
Visual Para-Thinker: Divide-and-Conquer Reasoning for Visual Comprehension
par: Xu, Haoran, et autres
Publié: (2026)
par: Xu, Haoran, et autres
Publié: (2026)
Beyond Task-Specific Reasoning: A Unified Conditional Generative Framework for Abstract Visual Reasoning
par: Shi, Fan, et autres
Publié: (2025)
par: Shi, Fan, et autres
Publié: (2025)
TrackVLA++: Unleashing Reasoning and Memory Capabilities in VLA Models for Embodied Visual Tracking
par: Liu, Jiahang, et autres
Publié: (2025)
par: Liu, Jiahang, et autres
Publié: (2025)
MedSynapse-V: Bridging Visual Perception and Clinical Intuition via Latent Memory Evolution
par: Zhu, Chunzheng, et autres
Publié: (2026)
par: Zhu, Chunzheng, et autres
Publié: (2026)
Thinking with Gaze: Sequential Eye-Tracking as Visual Reasoning Supervision for Medical VLMs
par: Li, Yiwei, et autres
Publié: (2026)
par: Li, Yiwei, et autres
Publié: (2026)
Exploring Visual Prompting: Robustness Inheritance and Beyond
par: Li, Qi, et autres
Publié: (2025)
par: Li, Qi, et autres
Publié: (2025)
Interleaved Latent Visual Reasoning with Selective Perceptual Modeling
par: Dong, Shuai, et autres
Publié: (2025)
par: Dong, Shuai, et autres
Publié: (2025)
Focusing by Contrastive Attention: Enhancing VLMs' Visual Reasoning
par: Ge, Yuyao, et autres
Publié: (2025)
par: Ge, Yuyao, et autres
Publié: (2025)
Unbiased Visual Reasoning with Controlled Visual Inputs
par: Li, Zhaonan, et autres
Publié: (2025)
par: Li, Zhaonan, et autres
Publié: (2025)
Beyond Visual Safety: Jailbreaking Multimodal Large Language Models for Harmful Image Generation via Semantic-Agnostic Inputs
par: Yu, Mingyu, et autres
Publié: (2026)
par: Yu, Mingyu, et autres
Publié: (2026)
SeMOPO: Learning High-quality Model and Policy from Low-quality Offline Visual Datasets
par: Wan, Shenghua, et autres
Publié: (2024)
par: Wan, Shenghua, et autres
Publié: (2024)
Persistent Visual Memory: Sustaining Perception for Deep Generation in LVLMs
par: Huang, Siyuan, et autres
Publié: (2026)
par: Huang, Siyuan, et autres
Publié: (2026)
CorrDetail: Visual Detail Enhanced Self-Correction for Face Forgery Detection
par: Zhou, Binjia, et autres
Publié: (2025)
par: Zhou, Binjia, et autres
Publié: (2025)
Predictive Reasoning with Augmented Anomaly Contrastive Learning for Compositional Visual Relations
par: Li, Chengtai, et autres
Publié: (2026)
par: Li, Chengtai, et autres
Publié: (2026)
Beyond Perception: Evaluating Abstract Visual Reasoning through Multi-Stage Task
par: Jiang, Yanbei, et autres
Publié: (2025)
par: Jiang, Yanbei, et autres
Publié: (2025)
Beyond Text-Visual Attention: Exploiting Visual Cues for Effective Token Pruning in VLMs
par: Zhang, Qizhe, et autres
Publié: (2024)
par: Zhang, Qizhe, et autres
Publié: (2024)
EmoVIT: Revolutionizing Emotion Insights with Visual Instruction Tuning
par: Xie, Hongxia, et autres
Publié: (2024)
par: Xie, Hongxia, et autres
Publié: (2024)
Point-It-Out: Benchmarking Embodied Reasoning for Vision Language Models in Multi-Stage Visual Grounding
par: Xue, Haotian, et autres
Publié: (2025)
par: Xue, Haotian, et autres
Publié: (2025)
Faithful-MR1: Faithful Multimodal Reasoning via Anchoring and Reinforcing Visual Attention
par: Tian, Changyuan, et autres
Publié: (2026)
par: Tian, Changyuan, et autres
Publié: (2026)
Enhancing Advanced Visual Reasoning Ability of Large Language Models
par: Li, Zhiyuan, et autres
Publié: (2024)
par: Li, Zhiyuan, et autres
Publié: (2024)
Perception Before Reasoning: Two-Stage Reinforcement Learning for Visual Reasoning in Vision-Language Models
par: Chen, Yan, et autres
Publié: (2025)
par: Chen, Yan, et autres
Publié: (2025)
Seeing is Not Reasoning: MVPBench for Graph-based Evaluation of Multi-path Visual Physical CoT
par: Dong, Zhuobai, et autres
Publié: (2025)
par: Dong, Zhuobai, et autres
Publié: (2025)
ThinkAct: Vision-Language-Action Reasoning via Reinforced Visual Latent Planning
par: Huang, Chi-Pin, et autres
Publié: (2025)
par: Huang, Chi-Pin, et autres
Publié: (2025)
Documents similaires
-
Do Multimodal Agents Really Benefit from Tool Use? A Systematic Study of Capability Gains
par: Guo, Garvin, et autres
Publié: (2026) -
Monet: Reasoning in Latent Visual Space Beyond Images and Language
par: Wang, Qixun, et autres
Publié: (2025) -
Determined by User Needs: A Salient Object Detection Rationale Beyond Conventional Visual Stimuli
par: Chen, Chenglizhao, et autres
Publié: (2026) -
Dual Latent Memory for Visual Multi-agent System
par: Yu, Xinlei, et autres
Publié: (2026) -
MedLVR: Latent Visual Reasoning for Reliable Medical Visual Question Answering
par: Xi, Suyang, et autres
Publié: (2026)