Position: The Systemic Lack of Agency in Visual Reasoning
立场：视觉推理中系统性的能动性缺失
Yizhao Huang, Haoyang Chen, Shiqin Wang, Pohsun Huang, Jiayuan Li, Haoyuan Du, Yandong Shi, Zheng Wang, Zhixiang Wang
机构
*
National Engineering Research Center for Multimedia Software, Institute of Artificial Intelligence, School of Computer Science, Wuhan University（武汉大学计算机学院人工智能研究所多媒体软件工程研究中心）
；
Hubei Key Laboratory of Multimedia（湖北省多媒体与网络通信工程重点实验室）
；
Zhongguancun Academy, Beijing, China. 100094（中关村学院，北京，中国）
；
School of Automation, Beijing Institute of Technology（北京理工大学自动化学院）
；
Shanda AI Research Tokyo（上海大势人工智能研究东京）
Reasoning in Computer Vision: Taxonomy, Models, Tasks, and Methodologies
计算机视觉中的推理：分类、模型、任务与方法论
Ayushman Sarkar, Zhenyu Yu, Mohd Yamani Idna Idris
机构
*
Department of Computer Science and Engineering, Birbhum Institute of Engineering and Technology（计算机科学与工程系，比罗尔理工学院）
；
College of Computer Science and Artificial Intelligence, Fudan University（计算机科学与人工智能学院，复旦大学）
；
Faculty of Computer Science and Information Technology, Universiti Malaya（计算机科学与信息技术学院，马来亚大学）
Thinking with Imagination: Agentic Visual Spatial Reasoning with World Simulators
思考与想象：基于世界模拟器的智能视觉空间推理
Chenming Zhu, Jingli Lin, Yilin Long, Peizhou Cao, Tai Wang, Jiangmiao Pang, Xihui Liu
机构
*
The University of Hong Kong（香港大学）
；
Shanghai AI Laboratory（上海人工智能实验室）
；
Shanghai Jiao Tong University（上海交通大学）
；
Fudan University（复旦大学）
；
Beihang University（北航大学）
Hierarchical Semantic-Augmented Navigation: Optimal Transport and Graph-Driven Reasoning for Vision-Language Navigation
层级语义增强导航：面向视觉语言导航的最优传输与图驱动推理
Xiang Fang, Wanlong Fang, Changshuo Wang
机构
*
School of Software Engineering, Huazhong University of Science and Technology（华中科技大学软件学院）
；
Interdisciplinary Graduate Programme, Nanyang Technological University, Singapore（新加坡南洋理工大学交叉学科研究生项目）
；
University College London（伦敦大学学院）
HCSG: Human-Centric Semantic-Geometric Reasoning for Vision-Language Navigation
HCSG：以人类为中心的语义-几何推理用于视觉-语言导航
Haoxuan Xu, Tianfu Li, Wenbo Chen, Yi Liu, Jin Wu, Huashuo Lei, Yunfan Lou, Lujia Wang, Hesheng Wang, Haoang Li
机构
*
The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
；
Tsinghua University（清华大学）
；
University of Science and Technology Beijing（北京科技大学）
；
National University of Singapore（新加坡国立大学）
；
Shanghai Jiao Tong University（上海交通大学）
Think before Go: Hierarchical Reasoning for Image-goal Navigation
先思后行：面向图像目标导航的层次推理
Pengna Li, Kangyi Wu, Shaoqing Xu, Fang Li, Lin Zhao, Long Chen, Zhi-Xin Yang, Nanning Zheng
机构
*
National Key Laboratory of Human-Machine Hybrid Augmented Intelligence, National Engineering Research Center for Visual Information and Applications, Institute of Artificial Intelligence and Robotics, Xi’an Jiaotong University（人机混合增强智能国家实验室、视觉信息与应用国家工程研究中心、人工智能与机器人研究所、西安交通大学）
；
University of Macau（澳门大学）
；
Xiaomi EV（小米电动车）
；
School of Automation, Beijing Institute of Technology（自动化学院，北京理工大学）
机构
*
National Key Laboratory for Novel Software Technology, Nanjing University, China（南京大学计算机软件新技术国家重点实验室）
；
School of Artificial Intelligence, Nanjing University, China（南京大学人工智能学院）
；
AI Business, Alibaba Group（阿里巴巴集团智能计算研究院）
；
School of Automation and Intelligent Sensing, Shanghai Jiao Tong University, China（上海交通大学自动化与智能感知学院）
；
School of Intelligent Systems Engineering, Sun Yat-sen University, Shenzhen, China（中山大学智能工程学院（深圳））
；
School of Information Science and Technology, University of Science and Technology of China（中国科学技术大学信息科学技术学院）
；
School of Software Technology, Zhejiang University, China（浙江大学软件学院）
；
School of Computing, National University of Singapore, Singapore, Singapore（新加坡国立大学计算机学院）
机构
*
Central South University（中南大学）
；
Nanjing University（南京大学）
；
State Grid Hubei Electric Power Research Institute（国网湖北省电力有限公司电力科学研究院）
；
Dongguan University of Technology（东莞理工学院）
机构
*
Guangdong University of Finance and Economics（广东财经大学）
；
Chongqing University（重庆大学）
；
Westlake University（西湖大学）
；
The University of Hong Kong（香港大学）
Understanding and Mitigating Hallucinations in Multimodal Chain-of-Thought Models
理解并缓解多模态推理链模型中的幻觉
Ji Ma, Wei Suo, Peng Wang, Yanning Zhang
机构
*
School of Computer Science and Ningbo Institute, Northwestern Polytechnical University, China（西北工业大学计算机学院和宁波研究院）
；
National Engineering Laboratory for Integrated Aero-Space-Ground-Ocean Big Data Application Technology, China（国家空天地海一体化大数据应用技术国家工程实验室）
EagleVision: A Dual-Stage Framework with BEV-grounding-based Chain-of-Thought for Spatial Intelligence
EagleVision：基于BEV的双阶段框架用于空间智能
Jiaxu Wan, Xu Wang, Mengwei Xie, Hang Zhang, Mu Xu, Yang Han, Hong Zhang, Ding Yuan, Yifan Yang
机构
*
Atlas Lab（Atlas实验室）
；
School of Aerospace, BUAA（北京航空航天大学航空学院）
；
School of Software, BUAA（北京航空航天大学软件学院）
；
State Key Laboratory of HERATT（HERATT国家重点实验室）
；
Key Laboratory of SDODS (MOE) Project（SDODS重点实验室（教育部））
