多模态大模型

NoteIt: A System Converting Instructional Videos to Interactable Notes Through Multimodal Video Understanding

Running Zhao, Zhihan Jiang, Xinchen Zhang, Chirui Chang, Handi Chen, Weipeng Deng, Luyao Jin, Xiaojuan Qi, Xun Qian, Edith C. H. Ngai

机构 * The University of Hong Kong（香港大学） ； The Chinese University of Hong Kong（香港中文大学） ； Google（谷歌） 纠错

专题命中 视频多模态 ：multimodal(title,abstract)；分类 cs.AI

Comments Accepted to UIST 2025. Project website: https://zhaorunning.github.io/NoteIt/

AnchorSync: Global Consistency Optimization for Long Video Editing

Zichi Liu, Yinggui Wang, Tao Wei, Chao Ma

机构 * MoE Key Lab of Artificial Intelligence, AI Institute Shanghai Jiao Tong University Shanghai China（人工智能联合实验室，人工智能研究院，上海交通大学） 纠错

专题命中 视频多模态 ：multimodal(abstract)；分类 cs.CV

Comments ACM MM 2025; Code is released at https://github.com/VISION-SJTU/AnchorSync

Detecting Reading-Induced Confusion Using EEG and Eye Tracking

Haojun Zhuang, Dünya Baradari, Nataliya Kosmyna, Arnav Balyan, Constanze Albrecht, Stephanie Chen, Pattie Maes

机构 * University of California, Berkeley（加州大学伯克利分校） ； MIT Media Lab（MIT媒体实验室） ； Princeton University（普林斯顿大学） 纠错

专题命中 视频多模态 ：multimodal(abstract)；分类 cs.AI

Personalized Counterfactual Framework: Generating Potential Outcomes from Wearable Data

Ajan Subramanian, Amir M. Rahmani

机构 * Dept. of Computer Science, University of California, Irvine（加州大学伊市分校计算机科学系） ； School of Nursing, University of California, Irvine（加州大学伊市分校护理学院） 纠错

专题命中 视频多模态 ：multi-modal(abstract)