#MLLM

22개의 포스트

[논문리뷰] OmniWeaving: Towards Unified Video Generation with Free-form Composition and Reasoning

Jiangfeng Xiong이 arXiv에 게시한 'OmniWeaving: Towards Unified Video Generation with Free-form Composition and Reasoning' 논문에 대한 자세한 리뷰입니다.

#Review #Unified Video Generation #Multimodal Composition #Reasoning-Augmented #IntelligentVBench #MLLM #MMDiT #DeepStacking #Free-form Inputs

2026년 3월 25일

[논문리뷰] EVA: Efficient Reinforcement Learning for End-to-End Video Agent

Xuanyu Zheng이 arXiv에 게시한 'EVA: Efficient Reinforcement Learning for End-to-End Video Agent' 논문에 대한 자세한 리뷰입니다.

#Review #Video Agent #Reinforcement Learning #MLLM #Planning-before-Perception #Tool Use #KTO #GRPO

2026년 3월 25일

[논문리뷰] MM-CondChain: A Programmatically Verified Benchmark for Visually Grounded Deep Compositional Reasoning

arXiv에 게시된 'MM-CondChain: A Programmatically Verified Benchmark for Visually Grounded Deep Compositional Reasoning' 논문에 대한 자세한 리뷰입니다.

#Review #MLLM #Deep Compositional Reasoning #Programmatically Verified Benchmark #Hard Negatives #Control Flow #VPIR #Path F1

2026년 3월 15일

[논문리뷰] Trust Your Critic: Robust Reward Modeling and Reinforcement Learning for Faithful Image Editing and Generation

arXiv에 게시된 'Trust Your Critic: Robust Reward Modeling and Reinforcement Learning for Faithful Image Editing and Generation' 논문에 대한 자세한 리뷰입니다.

#Review #Reinforcement Learning #Reward Modeling #Image Editing #Image Generation #MLLM #Data Curation #Fidelity #Instruction Following

2026년 3월 12일

[논문리뷰] Spatial-TTT: Streaming Visual-based Spatial Intelligence with Test-Time Training

arXiv에 게시된 'Spatial-TTT: Streaming Visual-based Spatial Intelligence with Test-Time Training' 논문에 대한 자세한 리뷰입니다.

#Review #Spatial Intelligence #Test-Time Training #MLLM #Streaming Video #Hybrid Architecture #Spatiotemporal Convolution

2026년 3월 12일

[논문리뷰] Kiwi-Edit: Versatile Video Editing via Instruction and Reference Guidance

arXiv에 게시된 'Kiwi-Edit: Versatile Video Editing via Instruction and Reference Guidance' 논문에 대한 자세한 리뷰입니다.

#Review #Video Editing #Instruction Guidance #Reference Guidance #Diffusion Models #MLLM #Dataset Generation #RefVIE #Curriculum Learning

2026년 3월 3일

[논문리뷰] Ref-Adv: Exploring MLLM Visual Reasoning in Referring Expression Tasks

arXiv에 게시된 'Ref-Adv: Exploring MLLM Visual Reasoning in Referring Expression Tasks' 논문에 대한 자세한 리뷰입니다.

#Review #Referring Expression Comprehension #MLLM #Visual Reasoning #Benchmark Dataset #Hard Distractors #Grounding Shortcuts #Chain-of-Thought #Negation

2026년 3월 1일

[논문리뷰] UI-Venus-1.5 Technical Report

arXiv에 게시된 'UI-Venus-1.5 Technical Report' 논문에 대한 자세한 리뷰입니다.

#Review #GUI Agent #MLLM #Reinforcement Learning #Model Merging #GUI Grounding #Task Navigation #Online-RL #Offline-RL

2026년 2월 10일

[논문리뷰] VenusBench-GD: A Comprehensive Multi-Platform GUI Benchmark for Diverse Grounding Tasks

arXiv에 게시된 'VenusBench-GD: A Comprehensive Multi-Platform GUI Benchmark for Diverse Grounding Tasks' 논문에 대한 자세한 리뷰입니다.

#Review #GUI Grounding #Multi-Platform #Benchmark #MLLM #Hierarchical Evaluation #Human-in-the-Loop Annotation #GUI Agents #Multilingual Dataset

2025년 12월 18일

[논문리뷰] Differences That Matter: Auditing Models for Capability Gap Discovery and Rectification

arXiv에 게시된 'Differences That Matter: Auditing Models for Capability Gap Discovery and Rectification' 논문에 대한 자세한 리뷰입니다.

#Review #MLLM #Model Auditing #Capability Gaps #Failure Mode Discovery #Reinforcement Learning #Data Rectification #Counterfactual Generation #VQA

2025년 12월 18일

[논문리뷰] Towards Universal Video Retrieval: Generalizing Video Embedding via Synthesized Multimodal Pyramid Curriculum

arXiv에 게시된 'Towards Universal Video Retrieval: Generalizing Video Embedding via Synthesized Multimodal Pyramid Curriculum' 논문에 대한 자세한 리뷰입니다.

#Review #Video Retrieval #Multimodal Embedding #Data Synthesis #Curriculum Learning #Zero-shot Generalization #Benchmark Design #MLLM #Video-Text Retrieval

2025년 11월 9일

[논문리뷰] PixelRefer: A Unified Framework for Spatio-Temporal Object Referring with Arbitrary Granularity

Kehan Li이 arXiv에 게시한 'PixelRefer: A Unified Framework for Spatio-Temporal Object Referring with Arbitrary Granularity' 논문에 대한 자세한 리뷰입니다.

#Review #MLLM #Region-level Understanding #Object-centric Reasoning #Spatio-temporal Referring #Video Understanding #Scale-Adaptive Tokenizer #Efficiency #Instruction Tuning

2025년 10월 28일

[논문리뷰] PhysVLM-AVR: Active Visual Reasoning for Multimodal Large Language Models in Physical Environments

Chaoyang Zhao이 arXiv에 게시한 'PhysVLM-AVR: Active Visual Reasoning for Multimodal Large Language Models in Physical Environments' 논문에 대한 자세한 리뷰입니다.

#Review #Active Visual Reasoning #MLLM #Physical Environments #Partially Observable #Markov Decision Process #Chain-of-Thought #Embodied AI #CLEVR-AVR

2025년 10월 27일

[논문리뷰] Uniworld-V2: Reinforce Image Editing with Diffusion Negative-aware Finetuning and MLLM Implicit Feedback

arXiv에 게시된 'Uniworld-V2: Reinforce Image Editing with Diffusion Negative-aware Finetuning and MLLM Implicit Feedback' 논문에 대한 자세한 리뷰입니다.

#Review #Image Editing #Diffusion Models #Reinforcement Learning #MLLM #Policy Optimization #Finetuning #Reward Modeling #Human Alignment

2025년 10월 21일

[논문리뷰] Train a Unified Multimodal Data Quality Classifier with Synthetic Data

Ritesh Sarkhel이 arXiv에 게시한 'Train a Unified Multimodal Data Quality Classifier with Synthetic Data' 논문에 대한 자세한 리뷰입니다.

#Review #Multimodal Data Quality #MLLM #Synthetic Data #Data Filtering #Image-Text Captioning #Interleaved Document Analysis #Pre-training

2025년 10월 20일

[논문리뷰] SpaceVista: All-Scale Visual Spatial Reasoning from mm to km

Kaituo Feng이 arXiv에 게시한 'SpaceVista: All-Scale Visual Spatial Reasoning from mm to km' 논문에 대한 자세한 리뷰입니다.

#Review #Spatial Reasoning #Multi-Scale Vision #MLLM #Dataset #Scale Experts #Reinforcement Learning #Computer Vision #Robotics

2025년 10월 13일

[논문리뷰] UniVideo: Unified Understanding, Generation, and Editing for Videos

Xintao Wang이 arXiv에 게시한 'UniVideo: Unified Understanding, Generation, and Editing for Videos' 논문에 대한 자세한 리뷰입니다.

#Review #Unified Multimodal Model #Video Generation #Video Editing #MLLM #Diffusion Transformer #In-Context Learning #Zero-shot Generalization #Multimodal AI

2025년 10월 10일

[논문리뷰] IMG: Calibrating Diffusion Models via Implicit Multimodal Guidance

arXiv에 게시된 'IMG: Calibrating Diffusion Models via Implicit Multimodal Guidance' 논문에 대한 자세한 리뷰입니다.

#Review #Diffusion Models #Multimodal Alignment #MLLM #Image Re-generation #Preference Learning #Implicit Guidance #Text-to-Image

2025년 10월 1일

[논문리뷰] Where MLLMs Attend and What They Rely On: Explaining Autoregressive Token Generation

Shiming Liu이 arXiv에 게시한 'Where MLLMs Attend and What They Rely On: Explaining Autoregressive Token Generation' 논문에 대한 자세한 리뷰입니다.

#Review #MLLM #Interpretability #Attribution #Token Generation #Black-box Explanation #Hallucination Diagnosis #Multimodality #VQA

2025년 9월 29일

[논문리뷰] Gradient-Attention Guided Dual-Masking Synergetic Framework for Robust Text-based Person Retrieval

Kaicheng Yang이 arXiv에 게시한 'Gradient-Attention Guided Dual-Masking Synergetic Framework for Robust Text-based Person Retrieval' 논문에 대한 자세한 리뷰입니다.

#Review #Text-based Person Retrieval #CLIP #MLLM #Data Curation #Dual-Masking #Gradient-Attention #WebPerson Dataset

2025년 9월 12일

[논문리뷰] UI-Venus Technical Report: Building High-performance UI Agents with RFT

Shuheng Shen이 arXiv에 게시한 'UI-Venus Technical Report: Building High-performance UI Agents with RFT' 논문에 대한 자세한 리뷰입니다.

#Review #UI Agent #MLLM #RFT #UI Grounding #UI Navigation #GRPO #Data Cleaning #Self-Evolving Trajectory

2025년 8월 15일

[논문리뷰] SpA2V: Harnessing Spatial Auditory Cues for Audio-driven Spatially-aware Video Generation

Long Chen이 arXiv에 게시한 'SpA2V: Harnessing Spatial Auditory Cues for Audio-driven Spatially-aware Video Generation' 논문에 대한 자세한 리뷰입니다.

#Review #Audio-driven Video Generation #Spatial Auditory Cues #Video Scene Layout #MLLM #Diffusion Models #Training-free

2025년 8월 4일