AI 大模型

多模态大模型

跨文本、图像、视频、音频等模态的大模型与学习方法。

2025-08-01 至 2025-08-01 共收录 2 篇信号源：cs.CV, cs.CL, cs.AI, cs.MM, eess.AS

1. 视频多模态 2 篇

2304.01430 2025-08-01 cs.CV cs.AI cs.LG 62%

Divided Attention: Unsupervised Multi-Object Discovery with Contextually Separated Slots

Dong Lao, Zhengyang Hu, Francesco Locatello, Yanchao Yang, Stefano Soatto

机构 * UCLA（加州大学洛杉矶分校）； HKU（香港大学）； ISTA（因斯布鲁克大学）

专题命中视频多模态：multi-modal(abstract)；分类 cs.CV、cs.AI

2506.20947 2025-08-01 cs.CV cs.MM 62%

Hierarchical Sub-action Tree for Continuous Sign Language Recognition

Dejie Yang, Zhu Xu, Xinjie Gao, Yang Liu

机构 * Wangxuan Institute of Computer Technology, Peking University, Beijing, China（王轩计算机技术研究所，北京大学，北京，中国）； State Key Laboratory of General Artificial Intelligence, Peking Universitys, Beijing, China（通用人工智能国家重点实验室，北京大学，北京，中国）

专题命中视频多模态：cross-modal(abstract)；分类 cs.CV、cs.MM

Journal ref ICME 2025