Causal Disentanglement and Cross-Modal Alignment for Enhanced Few-Shot Learning
机构 * Australian Institute for Machine Learning（澳大利亚机器学习研究所） ； The University of Adelaide（阿德莱德大学）
专题命中 多模态训练与对齐 ：cross-modal(title,abstract)；multimodal(abstract)；分类 cs.CV
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。
1. 多模态训练与对齐 5 篇
Automatic Fused Multimodal Deep Learning for Plant Identification
机构 * Department of Computer and Systems Sciences（计算机与系统科学系）
专题命中 多模态训练与对齐 ：multimodal(title,abstract)；分类 cs.CV、cs.AI
Journal ref Front. Plant Sci., 05 August 2025
MM-Gesture: Towards Precise Micro-Gesture Recognition through Multimodal Fusion
机构 * University College London (UCL)（伦敦大学学院） ； School of Computer Science（计算机科学学院） ； Information Engineering, School of Artificial Intelligence, Hefei University of Technology (HFUT)（信息工程学院，人工智能学院，合肥工业大学） ； ReLER, CCAI, Zhejiang University, China（ReLER、CCAI、浙江大学，中国） ； Key Laboratory of Knowledge Engineering with Big Data (HFUT), Ministry of Education（大数据知识工程重点实验室（HFUT），教育部） ； Institute of Artificial Intelligence, Hefei Comprehensive National Science Center, China（人工智能研究所，合肥综合性国家科学中心，中国） ； Xinsight Lab, Research Institute, Hefei Zhongjuyuan Intelligent Technology Co., Ltd., China（Xinsight实验室，研究院，合肥中睿智能科技有限公司，中国）
专题命中 多模态训练与对齐 ：multimodal(title,abstract)；分类 cs.CV
Comments 1st Place in Micro-gesture Classification sub-challenge in 3rd MiGA at IJCAI 2025
Beyond Images: Adaptive Fusion of Visual and Textual Data for Food Classification
机构 * Motilal Nehru National Institute of Technology Allahabad, India（Motilal Nehru国立技术学院Allahabad分校） ； Indian Institute of Technology Ropar, India（印度理工学院Ropar分校）
专题命中 多模态训练与对齐 ：multimodal(abstract)；分类 cs.CV、cs.AI
Efficient Multi-Slide Visual-Language Feature Fusion for Placental Disease Classification
专题命中 多模态训练与对齐 ：multimodal(abstract)；分类 cs.CV
Comments Accepted by ACMMM'25
