Copertina

VLMs are Good Teachers for Video Reasoning via Adaptive Test-Time Optimization

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Cheng, Junhao, Hou, Liang, Zhong, Tianxiong, Tao, Xin, Wan, Pengfei, Gai, Kun, Liao, Jing
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Computer Vision and Pattern Recognition
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Video-as-Answer: Predict and Generate Next Video Event with Joint-GRPO
di: Cheng, Junhao, et al.
Pubblicazione: (2025)

Scaling Image and Video Generation via Test-Time Evolutionary Search
di: He, Haoran, et al.
Pubblicazione: (2025)

VFRTok: Variable Frame Rates Video Tokenizer with Duration-Proportional Information Assumption
di: Zhong, Tianxiong, et al.
Pubblicazione: (2025)

Decoupling Complexity from Scale in Latent Diffusion Model
di: Zhong, Tianxiong, et al.
Pubblicazione: (2025)

MTV-Inpaint: Multi-Task Long Video Inpainting
di: Yang, Shiyuan, et al.
Pubblicazione: (2025)

Boosting Resolution Generalization of Diffusion Transformers with Randomized Positional Encodings
di: Hou, Liang, et al.
Pubblicazione: (2025)

ConceptMaster: Multi-Concept Video Customization on Diffusion Transformer Models Without Test-Time Tuning
di: Huang, Yuzhou, et al.
Pubblicazione: (2025)

Video-Holmes: Can MLLM Think Like Holmes for Complex Video Reasoning?
di: Cheng, Junhao, et al.
Pubblicazione: (2025)

3D-Aware Implicit Motion Control for View-Adaptive Human Video Generation
di: Fang, Zhixue, et al.
Pubblicazione: (2026)

VIVID-10M: A Dataset and Baseline for Versatile and Interactive Video Local Editing
di: Hu, Jiahao, et al.
Pubblicazione: (2024)

GridProbe: Posterior-Probing for Adaptive Test-Time Compute in Long-Video VLMs
di: Eltahir, Mohamed, et al.
Pubblicazione: (2026)

Direct-a-Video: Customized Video Generation with User-Directed Camera Movement and Object Motion
di: Yang, Shiyuan, et al.
Pubblicazione: (2024)

A Reason-then-Describe Instruction Interpreter for Controllable Video Generation
di: Wu, Shengqiong, et al.
Pubblicazione: (2025)

UniVideo: Unified Understanding, Generation, and Editing for Videos
di: Wei, Cong, et al.
Pubblicazione: (2025)

MemFlow: Flowing Adaptive Memory for Consistent and Efficient Long Video Narratives
di: Ji, Sihui, et al.
Pubblicazione: (2025)

Can Vision-Language Models be a Good Guesser? Exploring VLMs for Times and Location Reasoning
di: Zhang, Gengyuan, et al.
Pubblicazione: (2023)

VideoCanvas: Unified Video Completion from Arbitrary Spatiotemporal Patches via In-Context Conditioning
di: Cai, Minghong, et al.
Pubblicazione: (2025)

PhysMaster: Mastering Physical Representation for Video Generation via Reinforcement Learning
di: Ji, Sihui, et al.
Pubblicazione: (2025)

Adaptive Chain-of-Focus Reasoning via Dynamic Visual Search and Zooming for Efficient VLMs
di: Zhang, Xintong, et al.
Pubblicazione: (2025)

VMoBA: Mixture-of-Block Attention for Video Diffusion Models
di: Wu, Jianzong, et al.
Pubblicazione: (2025)

How Auxiliary Reasoning Unleashes GUI Grounding in VLMs
di: Li, Weiming, et al.
Pubblicazione: (2025)

Stable Velocity: A Variance Perspective on Flow Matching
di: Yang, Donglin, et al.
Pubblicazione: (2026)

Test-Time Reasoning Through Visual Human Preferences with VLMs and Soft Rewards
di: Gambashidze, Alexander, et al.
Pubblicazione: (2025)

Monet: Reasoning in Latent Visual Space Beyond Images and Language
di: Wang, Qixun, et al.
Pubblicazione: (2025)

Mitigating the Noise Shift for Denoising Generative Models via Noise Awareness Guidance
di: Zhong, Jincheng, et al.
Pubblicazione: (2025)

TimeChat-Captioner: Scripting Multi-Scene Videos with Time-Aware and Structural Audio-Visual Captions
di: Yao, Linli, et al.
Pubblicazione: (2026)

RelightMaster: Precise Video Relighting with Multi-plane Light Images
di: Bian, Weikang, et al.
Pubblicazione: (2025)

TIR-Flow: Active Video Search and Reasoning with Frozen VLMs
di: Jin, Hongbo, et al.
Pubblicazione: (2026)

FullDiT: Multi-Task Video Generative Foundation Model with Full Attention
di: Ju, Xuan, et al.
Pubblicazione: (2025)

CamCloneMaster: Enabling Reference-based Camera Control for Video Generation
di: Luo, Yawen, et al.
Pubblicazione: (2025)

VRIQ: Benchmarking and Analyzing Visual-Reasoning IQ of VLMs
di: Khezresmaeilzadeh, Tina, et al.
Pubblicazione: (2026)

A Survey of Interactive Generative Video
di: Yu, Jiwen, et al.
Pubblicazione: (2025)

UNIC: Unified In-Context Video Editing
di: Ye, Zixuan, et al.
Pubblicazione: (2025)

VINO: A Unified Visual Generator with Interleaved OmniModal Context
di: Chen, Junyi, et al.
Pubblicazione: (2026)

Think, then Score: Decoupled Reasoning and Scoring for Video Reward Modeling
di: Wang, Yuan, et al.
Pubblicazione: (2026)

VideoPro: Adaptive Program Reasoning for Long Video Understanding
di: Li, Chenglin, et al.
Pubblicazione: (2025)

Reasoning via Video: The First Evaluation of Video Models' Reasoning Abilities through Maze-Solving Tasks
di: Yang, Cheng, et al.
Pubblicazione: (2025)

Imbalance in Balance: Online Concept Balancing in Generation Models
di: Shi, Yukai, et al.
Pubblicazione: (2025)

ANTS: Adaptive Negative Textual Space Shaping for OOD Detection via Test-Time MLLM Understanding and Reasoning
di: Zhu, Wenjie, et al.
Pubblicazione: (2025)

AUTO: Adaptive Outlier Optimization for Test-Time OOD Detection
di: Yang, Puning, et al.
Pubblicazione: (2023)