多模态大模型

T-REX: Table -- Refute or Entail eXplainer

Tim Luka Horstmann, Baptiste Geisenberger, Mehwish Alam

机构 * Institut Polytechnique de Paris（巴黎政治科技学院） 纠错

专题命中 多模态Agent ：multimodal(abstract)；分类 cs.CL、cs.AI

ExpVG: Investigating the Design Space of Visual Grounding in Multimodal Large Language Model

Weitai Kang, Weiming Zhuang, Zhizhong Li, Yan Yan, Lingjuan Lyu

机构 * University of Illinois Chicago（伊利诺伊大学香槟分校） ； Sony AI（索尼人工智能） 纠错

专题命中 多模态训练与对齐 ：multimodal(title,abstract)；MLLM(abstract)；分类 cs.CV、cs.CL、cs.AI

Comments 8 pages for the main paper

Multimodal Quantum Vision Transformer for Enzyme Commission Classification from Biochemical Representations

Murat Isik, Mandeep Kaur Saggi, Humaira Gowher, Sabre Kais

机构 * Purdue University（普渡大学） ； NC State University（北卡罗来纳州立大学） 纠错

专题命中 多模态训练与对齐 ：multimodal(title,abstract)

Comments Accepted at IEEE International Conference on Quantum Artificial Intelligence (QAI) 2025

MUVO: A Multimodal Generative World Model for Autonomous Driving with Geometric Representations

Daniel Bogdoll, Yitian Yang, Tim Joseph, Melih Yazgan, J. Marius Zöllner

机构 * FZI Research Center for Information Technology, Germany（德国弗赖堡信息科技研究中心） ； Karlsruhe Institute of Technology, Germany（德国卡尔斯鲁厄理工学院） 纠错

专题命中 多模态训练与对齐 ：multimodal(title,abstract)

Comments Daniel Bogdoll and Yitian Yang contributed equally. Accepted for publication at IV 2025

PB-IAD: Utilizing multimodal foundation models for semantic industrial anomaly detection in dynamic manufacturing environments

Bernd Hofmann, Albert Scheck, Joerg Franke, Patrick Bruendl

专题命中 其他多模态 ：multimodal(title,abstract)；multimodal foundation model(title)；分类 cs.CV、cs.AI

Great GATsBi: Hybrid, Multimodal, Trajectory Forecasting for Bicycles using Anticipation Mechanism

Kevin Riehl, Shaimaa K. El-Baklish, Anastasios Kouvelas, Michail A. Makridis

机构 * Traffic Engineering Group, Institute for Transport Planning and Systems, ETH Zürich（交通规划与系统研究所，瑞士苏黎世联邦理工学院） 纠错

专题命中 其他多模态 ：multimodal(title,abstract)

Multimodal concentric surface coils for enhanced sensitivity in MR imaging

Yunkun Zhao, Aditya A Bhosale, Xiaoliang Zhang

专题命中 其他多模态 ：multimodal(title,abstract)

The importance of visual modelling languages in generative software engineering

Roberto Rossi

机构 * Business School, University of Edinburgh（爱丁堡大学商学院） 纠错

专题命中 其他多模态 ：multimodal(abstract)；分类 cs.AI

Comments 9 pages, working paper

Two Birds with One Stone: Multi-Task Detection and Attribution of LLM-Generated Text

Zixin Rao, Youssef Mohamed, Shang Liu, Zeyan Liu

机构 * University of Georgia（佐治亚大学） ； Egypt-Japan University of Science and Technology（埃及-日本科学技术大学） ； University of Louisville（路易斯维尔大学） 纠错

专题命中 其他多模态 ：cross-modal(abstract)；分类 cs.CL

Comments Securecomm 2025