多模态大模型

REMOTE: A Unified Multimodal Relation Extraction Framework with Multilevel Optimal Transport and Mixture-of-Experts

Xinkui Lin, Yongxiu Xu, Minghao Tang, Shilong Zhang, Hongbo Xu, Hao Xu, Yubin Wang

机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络安全学院） 纠错

专题命中 多模态评测 ：multimodal(title,abstract)；cross-modal(abstract)；分类 cs.AI、cs.MM

Comments ACM MM 2025

Surformer v2: A Multimodal Classifier for Surface Understanding from Touch and Vision

Manish Kansana, Sindhuja Penchala, Shahram Rahimi, Noorbakhsh Amiri Golilarz

机构 * Department of Computer Science（计算机科学系） ； Engineering Mississippi State University Mississippi State, USA（工程学硕士州大学密西西比州） ； Department of Computer Science The University of Alabama Tuscaloosa, USA（计算机科学系阿拉巴马大学塔斯卡洛osa） 纠错

专题命中 多模态评测 ：multimodal(title,abstract)；multi-modal(abstract)

Comments 6 pages

Multi-Modal Vision vs. Text-Based Parsing: Benchmarking LLM Strategies for Invoice Processing

David Berghaus, Armin Berger, Lars Hillebrand, Kostadin Cvejoski, Rafet Sifa

机构 * Fraunhofer IAIS（弗劳恩霍夫人工智能研究所） ； Lamarr Institute（拉马尔研究所） 纠错

专题命中 多模态评测 ：multi-modal(title,abstract)；分类 cs.CL、cs.AI

Evaluating Cognitive-Behavioral Fixation via Multimodal User Viewing Patterns on Social Media

Yujie Wang, Yunwei Zhao, Jing Yang, Han Han, Shiguang Shan, Jie Zhang

机构 * State Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences（中国科学院人工智能安全国家重点实验室，计算技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

专题命中 多模态评测 ：multimodal(title,abstract)；分类 cs.CL

Quantifying Holistic Review: A Multi-Modal Approach to College Admissions Prediction

Jun-Wei Zeng, Jerry Shen

机构 * Vanke Meisha Academy（万科梅沙书院） 纠错

专题命中 多模态评测 ：multi-modal(title,abstract)

VaccineRAG: Boosting Multimodal Large Language Models' Immunity to Harmful RAG Samples

Qixin Sun, Ziqin Wang, Hengyuan Zhao, Yilin Li, Kaiyou Song, Linjiang Huang, Xiaolin Hu, Qingpei Guo, Si Liu

专题命中 多模态评测 ：multimodal(title)；分类 cs.CL、cs.AI

MCANet: A Multi-Scale Class-Specific Attention Network for Multi-Label Post-Hurricane Damage Assessment using UAV Imagery

Zhangding Liu, Neda Mohammadi, John E. Taylor

专题命中 多模态评测 ：multimodal(abstract)；分类 cs.CV、cs.AI

Comments 34 pages, 7 figures

Evaluating Large Language Models for Financial Reasoning: A CFA-Based Benchmark Study

Xuan Yao, Qianteng Wang, Xinbo Liu, Ke-Wei Huang

专题命中 多模态评测 ：multi-modal(abstract)；分类 cs.CL、cs.AI

Automatic segmentation of Organs at Risk in Head and Neck cancer patients from CT and MRI scans

Sébastien Quetin, Andrew Heschl, Mauricio Murillo, Rohit Murali, Piotr Pater, George Shenouda, Shirin A. Enger, Farhad Maleki

机构 * Medical Physics Unit, Department of Oncology, McGill University（麦吉尔大学医学物理单位） ； Montreal Institute for Learning Algorithms, Mila（蒙特利尔学习算法研究所） ； Department of Computer Science, University of Calgary（卡尔加里大学计算机科学系） ； University of British Columbia（不列颠哥伦比亚大学） ； Division of Radiation Oncology, Department of Oncology, McGill University（麦吉尔大学放射肿瘤学部） ； McGill University Health Centre（麦吉尔大学健康中心） ； Lady Davis Institute for Medical Research, Jewish General Hospital（Lady Davis医学研究所，犹太通用医院） ； Department of Diagnostic Radiology, McGill University（麦吉尔大学诊断放射学部） ； Department of Radiology, University of Florida（佛罗里达大学放射学部） 纠错

专题命中 多模态评测 ：multi-modal(abstract)；分类 cs.CV