MORSE-500: A Programmatically Controllable Video Benchmark to Stress-Test Multimodal Reasoning
专题命中 视觉推理 :vision-language model(abstract);分类 cs.CV、cs.AI、cs.LG
AI 大模型
视觉语言模型、视觉推理、视觉问答、图文理解和视觉 grounding。
专题命中 视觉推理 :vision-language model(abstract);分类 cs.CV、cs.AI、cs.LG
机构 * School of Artificial Intelligence, Nanjing University, China(人工智能学院,南京大学) ; National Key Laboratory for Novel Software Technology, Nanjing University, China(新型软件技术国家重点实验室,南京大学) ; AI Business, Alibaba Group(阿里集团人工智能业务)
专题命中 视觉推理 :multimodal large language model(abstract);分类 cs.CV、cs.AI、cs.LG
机构 * The Chinese University of Hong Kong(香港中文大学) ; State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University(北京大学计算机科学学院多媒体信息处理国家重点实验室) ; AI 2 Robotics(人工智能与机器人) ; Beijing Academy of Artificial Intelligence (BAAI)(北京人工智能研究院)
专题命中 视觉推理 :vision-language model(abstract);VLM(abstract)
专题命中 视觉推理 :visual question answering(abstract);grounding(abstract)
机构 * University of Colorado Boulder(科罗拉多大学博尔德分校)
专题命中 视觉推理 :vision-language model(abstract);VLM(abstract)
机构 * The Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州)) ; Beijing Future Brain Education Technology Co., Ltd.(北京未来脑教育科技有限公司) ; The Hong Kong University of Science and Technology(香港科技大学)
专题命中 视觉推理 :grounding(abstract);multimodal large language model(abstract)
Comments Under Review
机构 * Mitsubishi Electric Research Laboratories (MERL)(三菱电机研究实验室(MERL))
专题命中 视觉推理 :VLM(abstract);分类 cs.CV、cs.AI、cs.LG
机构 * Technical University of Munich(慕尼黑技术大学) ; Klinikum Rechts der Isar(莱比锡医院) ; Helmholtz Center Munich(慕尼黑海德堡中心) ; FAU Erlangen-Nürnberg(埃尔朗根-纽伦堡弗赖堡大学) ; Imperial College London(伦敦帝国理工学院) ; King’s College London(伦敦国王学院)
专题命中 视觉推理 :vision-language model(abstract);分类 cs.CV、cs.AI、cs.LG
机构 * HKUST(香港科技大学) ; Apple(苹果公司)
专题命中 视觉推理 :multimodal large language model(abstract);MLLM(abstract)
机构 * Georgia Institute of Technology(佐治亚理工学院) ; School of Electrical and Computer Engineering(电气与计算机工程学院) ; School of Aerospace Engineering(航空航天工程学院) ; School of Mechanical Engineering(机械工程学院)
专题命中 视觉推理 :vision language model(abstract);VLM(abstract)
机构 * NVIDIA
专题命中 视觉推理 :multimodal large language model(abstract);分类 cs.CV、cs.AI、cs.LG
机构 * Zhejiang University(浙江大学)
专题命中 视觉推理 :multimodal large language model(abstract);分类 cs.CV、cs.AI、cs.LG
机构 * University of Colorado at Boulder(科罗拉多大学波德摩尔分校)
专题命中 视觉推理 :vision language model(abstract);VLM(abstract)
机构 * The Hong Kong University of Science and Technology(香港科技大学)
专题命中 视觉推理 :vision language model(abstract);VLM(abstract)
专题命中 视觉推理 :visual reasoning(abstract);multimodal large language model(abstract)
Comments 56 pages, 43 figures
专题命中 视觉推理 :multimodal large language model(abstract);分类 cs.CV、cs.AI、cs.LG
专题命中 视觉推理 :vision-language model(abstract);分类 cs.CV、cs.AI、cs.LG
Comments Published at First Workshop on Open Science for Foundation Models at ICLR 2025
专题命中 视觉推理 :grounding(abstract);分类 cs.CV、cs.AI、cs.LG
专题命中 视觉推理 :multimodal large language model(abstract);分类 cs.CV、cs.AI、cs.LG
Comments Technical Report (In Progress); Code released at: https://github.com/TencentARC/SEED-Bench-R1
专题命中 视觉推理 :LLaVA(abstract);分类 cs.CV、cs.AI、cs.LG
Comments Accepted to CVPR 2025. Project Page, see https://katha-ai.github.io/projects/velociti
专题命中 视觉推理 :vision-language model(abstract);分类 cs.CV、cs.AI、cs.LG
Comments Project website: https://cot-vla.github.io/
Journal ref CVPR 2025
专题命中 视觉推理 :vision language model(abstract);VLM(abstract)
专题命中 视觉推理 :visual reasoning(abstract);分类 cs.CV、cs.AI、cs.LG
专题命中 视觉推理 :visual reasoning(abstract);分类 cs.CV、cs.AI、cs.LG
专题命中 视觉推理 :multimodal large language model(abstract);分类 cs.CV、cs.AI、cs.LG
Comments CVPR 2025 (Conference on Computer Vision and Pattern Recognition) Project page at https://jmhb0.github.io/microvqa Benchmark at https://huggingface.co/datasets/jmhb/microvqa
专题命中 视觉推理 :vision-language model(abstract);分类 cs.CV、cs.AI、cs.LG
Comments CVPR 2025 Main Conference
专题命中 视觉推理 :grounding(abstract);分类 cs.CV、cs.AI、cs.LG
Comments Accepted CVPR2025
Journal ref CVPR 2025
专题命中 视觉推理 :vision-language model(abstract);VLM(abstract)
Comments Paper submitted to the IEEE conference
专题命中 视觉推理 :visual reasoning(abstract);分类 cs.CV、cs.AI、cs.LG
专题命中 视觉推理 :multimodal large language model(abstract);MLLM(abstract)
Comments Accepted by TheWebConf (WWW) 2025