多模态大模型

MM-R1: Unleashing the Power of Unified Multimodal Large Language Models for Personalized Image Generation

Qian Liang, Yujia Wu, Kuncheng Li, Jiwei Wei, Shiyuan He, Jinyu Guo, Ning Xie

专题命中 多模态生成 ：multimodal(title,abstract)；cross-modal(abstract)；分类 cs.CV

DiffBlender: Composable and Versatile Multimodal Text-to-Image Diffusion Models

Sungnyun Kim, Junsoo Lee, Kibeom Hong, Daesik Kim, Namhyuk Ahn

机构 * KAIST AI（韩国科学技术院人工智能研究所） ； NAVER WEBTOON AI ； Sookmyung Women’s University（成均馆女子大学） ； Inha University（釜山大学） 纠错

专题命中 多模态生成 ：multimodal(title,abstract)；分类 cs.CV、cs.AI

Comments Expert Systems with Applications 2025

Why Relational Graphs Will Save the Next Generation of Vision Foundation Models?

Fatemeh Ziaeetabar

机构 * Department of Computer Science, School of Mathematics, Statistics and Computer Science, College of Science, University of Tehran, Tehran, Iran（塔里斯坦大学科学学院计算机科学系） 纠错

专题命中 多模态生成 ：multimodal(abstract)；cross-modal(abstract)；分类 cs.CV

Waver: Wave Your Way to Lifelike Video Generation

Yifu Zhang, Hao Yang, Yuqi Zhang, Yifei Hu, Fengda Zhu, Chuang Lin, Xiaofeng Mei, Yi Jiang, Bingyue Peng, Zehuan Yuan

机构 * Bytedance Waver Team（字节跳动Waver团队） 纠错

专题命中 多模态生成 ：MLLM(abstract)；分类 cs.CV

MultiRef: Controllable Image Generation with Multiple Visual References

Ruoxi Chen, Dongping Chen, Siyuan Wu, Sinan Wang, Shiyun Lang, Petr Sushko, Gaoyang Jiang, Yao Wan, Ranjay Krishna

机构 * Zhejiang Wanli University（浙江万里大学） ； University of Washington（华盛顿大学） ； Huazhong University of Science and Technology（华中科技大学） ； Allen Institute for AI（人工智能研究院） 纠错

专题命中 多模态生成 ：image-text(abstract)；分类 cs.CV

Comments Accepted to ACM MM 2025 Datasets

Deep Generative Methods and Tire Architecture Design

Fouad Oubari, Raphael Meunier, Rodrigue Décatoire, Mathilde Mougeot

机构 * ENS Paris-Saclay, Centre Borelli（巴黎-萨克雷大学ENS分校，Borelli中心） ； Université Paris-Saclay, CNRS, ENS Paris-Saclay, Centre Borelli（巴黎-萨克雷大学，法国国家科学研究中心，巴黎-萨克雷大学ENS分校，Borelli中心） ； ENSIIE（Évry法国的ENSIEE） 纠错

专题命中 多模态生成 ：multimodal(abstract)