Copertina

Thinking in Blender: Staged Executable Inverse Graphics with Vision-Language Models

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	He, Guangzhao, Luo, Rundong, Ma, Wei-Chiu, Averbuch-Elor, Hadar
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

Kiki or Bouba? Sound Symbolism in Vision-and-Language Models
di: Alper, Morris, et al.
Pubblicazione: (2023)

A Joint Study of Phrase Grounding and Task Performance in Vision and Language Models
di: Kojima, Noriyuki, et al.
Pubblicazione: (2023)

Dynamic Scene Understanding from Vision-Language Representations
di: Pruss, Shahaf, et al.
Pubblicazione: (2025)

Raster2Seq: Polygon Sequence Generation for Floorplan Reconstruction
di: Phung, Hao, et al.
Pubblicazione: (2026)

Emergent Visual-Semantic Hierarchies in Image-Text Representations
di: Alper, Morris, et al.
Pubblicazione: (2024)

Supercharging Floorplan Localization with Semantic Rays
di: Grader, Yuval, et al.
Pubblicazione: (2025)

Composing People Together: Iterative Pose-Image Generation for Multi-Person Interaction Scenes
di: Peng, Wenxuan, et al.
Pubblicazione: (2026)

InstanceGen: Image Generation with Instance-level Instructions
di: Sella, Etai, et al.
Pubblicazione: (2025)

Let it Snow! Animating 3D Gaussian Scenes with Dynamic Weather Effects via Physics-Guided Score Distillation
di: Fiebelman, Gal, et al.
Pubblicazione: (2025)

Lang3D-XL: Language Embedded 3D Gaussians for Large-scale Scenes
di: Krakovsky, Shai, et al.
Pubblicazione: (2025)

Color Bind: Exploring Color Perception in Text-to-Image Models
di: Shomer-Chai, Shay, et al.
Pubblicazione: (2025)

WAFFLE: Multimodal Floorplan Understanding in the Wild
di: Ganon, Keren, et al.
Pubblicazione: (2024)

Extreme Rotation Estimation in the Wild
di: Bezalel, Hana, et al.
Pubblicazione: (2024)

Spice-E : Structural Priors in 3D Diffusion using Cross-Entity Attention
di: Sella, Etai, et al.
Pubblicazione: (2023)

Blended Point Cloud Diffusion for Localized Text-guided Shape Editing
di: Sella, Etai, et al.
Pubblicazione: (2025)

Emergent Extreme-View Geometry in 3D Foundation Models
di: Zhang, Yiwen, et al.
Pubblicazione: (2025)

4-LEGS: 4D Language Embedded Gaussian Splatting
di: Fiebelman, Gal, et al.
Pubblicazione: (2024)

ICC: Quantifying Image Caption Concreteness for Multimodal Dataset Curation
di: Yanuka, Moran, et al.
Pubblicazione: (2024)

Long-tail Internet photo reconstruction
di: Li, Yuan, et al.
Pubblicazione: (2026)

WildCAT3D: Appearance-Aware Multi-View Diffusion in the Wild
di: Alper, Morris, et al.
Pubblicazione: (2025)

BlenderAlchemy: Editing 3D Graphics with Vision-Language Models
di: Huang, Ian, et al.
Pubblicazione: (2024)

MeshOn: Intersection-Free Mesh-to-Mesh Composition
di: Kim, Hyunwoo, et al.
Pubblicazione: (2026)

Scene Grounding In the Wild
di: Cohen, Tamir, et al.
Pubblicazione: (2026)

Systole-Conditioned Generative Cardiac Motion
di: Zuler, Shahar, et al.
Pubblicazione: (2025)

Mitigating Open-Vocabulary Caption Hallucinations
di: Ben-Kish, Assaf, et al.
Pubblicazione: (2023)

HaLo-NeRF: Learning Geometry-Guided Semantics for Exploring Unconstrained Photo Collections
di: Dudai, Chen, et al.
Pubblicazione: (2024)

ReNoise: Real Image Inversion Through Iterative Noising
di: Garibi, Daniel, et al.
Pubblicazione: (2024)

Re-Thinking Inverse Graphics With Large Language Models
di: Kulits, Peter, et al.
Pubblicazione: (2024)

ProtoSnap: Prototype Alignment for Cuneiform Signs
di: Mikulinsky, Rachel, et al.
Pubblicazione: (2025)

Structure from Duplicates: Neural Inverse Graphics from a Pile of Objects
di: Cheng, Tianhang, et al.
Pubblicazione: (2024)

ShadowDraw: From Any Object to Shadow-Drawing Compositional Art
di: Luo, Rundong, et al.
Pubblicazione: (2025)

Beyond the Frame: Generating 360 Panoramic Videos from Perspective Videos
di: Luo, Rundong, et al.
Pubblicazione: (2025)

OMEGA: Optimized Multimodal Position Encoding Index Derivation with Global Adaptive Scaling for Vision-Language Models
di: Huang, Ruoxiang, et al.
Pubblicazione: (2025)

Dynamic Execution Commitment of Vision-Language-Action Models
di: Chen, Feng, et al.
Pubblicazione: (2026)

LAST: LeArning to Think in Space and Time for Generalist Vision-Language Models
di: Wang, Shuai, et al.
Pubblicazione: (2025)

HyperCT: Low-Rank Hypernet for Unified Chest CT Analysis
di: Liu, Fengbei, et al.
Pubblicazione: (2026)

CogBlender: Towards Continuous Cognitive Intervention in Text-to-Image Generation
di: Dang, Shengqi, et al.
Pubblicazione: (2026)

All Roads Lead to Rome: Incentivizing Divergent Thinking in Vision-Language Models
di: Tian, Xinyu, et al.
Pubblicazione: (2026)

Robust Inverse Graphics via Probabilistic Inference
di: Le, Tuan Anh, et al.
Pubblicazione: (2024)

Blendify -- Python rendering framework for Blender
di: Guzov, Vladimir, et al.
Pubblicazione: (2024)