会员服务
VISOR: VIsual Spatial Object Reasoning for Language-driven Object Navigation
Arxiv
0+阅读 · 2月7日
Bagpiper: Solving Open-Ended Audio Tasks via Rich Captions
Arxiv
0+阅读 · 2月5日
Rethinking Music Captioning with Music Metadata LLMs
Arxiv
0+阅读 · 2月3日
Language-Based Swarm Perception: Decentralized Person Re-Identification via Natural Language Descriptions
Arxiv
0+阅读 · 1月18日
RSGround-R1: Rethinking Remote Sensing Visual Grounding through Spatial Reasoning
Arxiv
0+阅读 · 1月29日
SAC-Opt: Semantic Anchors for Iterative Correction in Optimization Modeling
Arxiv
0+阅读 · 1月27日
Deployability-Centric Infrastructure-as-Code Generation: Fail, Learn, Refine, and Succeed through LLM-Empowered DevOps Simulation
Arxiv
0+阅读 · 1月11日
RadDiff: Describing Differences in Radiology Image Sets with Natural Language
Arxiv
0+阅读 · 1月7日
Deployability-Centric Infrastructure-as-Code Generation: Fail, Learn, Refine, and Succeed through LLM-Empowered DevOps Simulation
Arxiv
0+阅读 · 1月5日
OV-InstructTTS: Towards Open-Vocabulary Instruct Text-to-Speech
Arxiv
0+阅读 · 1月4日
Your Reasoning Benchmark May Not Test Reasoning: Revealing Perception Bottleneck in Abstract Reasoning Benchmarks
Your Reasoning Benchmark May Not Test Reasoning: Revealing Perception Bottleneck in Abstract Reasoning Benchmarks
Arxiv
0+阅读 · 2025年12月24日
GroundingME: Exposing the Visual Grounding Gap in MLLMs through Multi-Dimensional Evaluation
Arxiv
0+阅读 · 2025年12月19日
Comprehension of Multilingual Expressions Referring to Target Objects in Visual Inputs
Arxiv
0+阅读 · 2025年11月14日
LAMP: Language-Assisted Motion Planning for Controllable Video Generation
Arxiv
0+阅读 · 2025年12月8日
NL2SpaTiaL: Generating Geometric Spatio-Temporal Logic Specifications from Natural Language for Manipulation Tasks
Arxiv
0+阅读 · 2025年12月15日
参考链接
微信扫码咨询专知VIP会员
Top