多模态大模型

HuMo: Human-Centric Video Generation via Collaborative Multi-Modal Conditioning

Liyang Chen, Tianxiang Ma, Jiawei Liu, Bingchuan Li, Zhuowei Chen, Lijie Liu, Xu He, Gen Li, Qian He, Zhiyong Wu

机构 * Tsinghua University（清华大学） ； Intelligent Creation Lab, ByteDance（字节跳动智能创作实验室） 纠错

专题命中 多模态生成 ：multi-modal(title)；multimodal(abstract)；audio-visual(abstract)；分类 cs.CV、cs.MM

Prompt-Driven Image Analysis with Multimodal Generative AI: Detection, Segmentation, Inpainting, and Interpretation

Kaleem Ahmad

机构 * Independent Researcher（独立研究者） 纠错

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

Comments 14 pages. Preprint

Spherical Brownian Bridge Diffusion Models for Conditional Cortical Thickness Forecasting

Ivan Stoyanov, Fabian Bongratz, Christian Wachinger

机构 * Lab for AI in Medical Imaging, Technical University of Munich, Munich, Germany（人工智能医学影像实验室，慕尼黑技术大学，慕尼黑，德国） ； Munich Center for Machine Learning, Munich, Germany（慕尼黑机器学习中心，慕尼黑，德国） 纠错

专题命中 多模态生成 ：multi-modal(abstract)；分类 cs.CV、cs.AI

LLaDA-VLA: Vision Language Diffusion Action Models

Yuqing Wen, Hebei Li, Kefan Gu, Yucheng Zhao, Tiancai Wang, Xiaoyan Sun

机构 * University of Science and Technology of China（中国科学技术大学） ； Nanjing University（南京大学） ； Dexmal Project Page（Dexmal项目页） 纠错

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

Task-based Loss Functions in Computer Vision: A Comprehensive Review

Omar Elharrouss, Yasir Mahmood, Yassine Bechqito, Mohamed Adel Serhani, Elarbi Badidi, Jamal Riffi, Hamid Tairi

机构 * Department of Computer Science and Software Engineering, College of Information Technology, United Arab Emirates University.（计算机科学与软件工程系，信息科技学院，阿联酋大学） ； Department of Information Systems, College of Computing and Informatics, University of Sharjah, Sharjah, United Arab Emirates（信息系统系，计算与信息学院，沙迦大学） ； Department of Informatics, Faculty of Sciences Dhar El Mahraz, Sidi Mohamed Ben Abdellah University, Fez, Morocco（信息学系，达尔·埃尔·马哈勒兹学院，西迪·莫哈梅德·本·阿卜杜勒拉赫曼大学） 纠错

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