多模态信息融合

Enhancing Meme Emotion Understanding with Multi-Level Modality Enhancement and Dual-Stage Modal Fusion

Yi Shi, Wenlong Meng, Zhenyuan Guo, Chengkun Wei, Wenzhi Chen

专题命中 音视频/视觉语言融合 ：multimodal fusion(abstract)；分类 cs.CV

OmniVGGT: Omni-Modality Driven Visual Geometry Grounded Transformer

Haosong Peng, Hao Li, Yalun Dai, Yushi Lan, Yihang Luo, Tianyu Qi, Zhengshen Zhang, Yufeng Zhan, Junfei Zhang, Wenchao Xu, Ziwei Liu

机构 * HKUST（香港科技大学） ； NTU（国立台湾大学） ； SYSU（南方科技大学） ； NUS（国立新加坡大学） ； Alibaba Group（阿里巴巴集团） 纠错

专题命中 音视频/视觉语言融合 ：multimodal fusion(abstract)；分类 cs.CV

Comments Project Page: https://livioni.github.io/OmniVGGT-official/