多模态大模型

Calibrating MLLM-as-a-judge via Multimodal Bayesian Prompt Ensembles

Eric Slyman, Mehrab Tanjim, Kushal Kafle, Stefan Lee

机构 * Adobe（Adobe公司） ； Oregon State University（俄勒冈州立大学） 纠错

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

Comments 17 pages, 8 figures, Accepted at ICCV 2025

PianoVAM: A Multimodal Piano Performance Dataset

Yonghyun Kim, Junhyung Park, Joonhyung Bae, Kirak Kim, Taegyun Kwon, Alexander Lerch, Juhan Nam

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

Comments Accepted to the 26th International Society for Music Information Retrieval (ISMIR) Conference, 2025

A New Dataset and Benchmark for Grounding Multimodal Misinformation

Bingjian Yang, Danni Xu, Kaipeng Niu, Wenxuan Liu, Zheng Wang, Mohan Kankanhalli

机构 * National Engineering Research Center for Multimedia Software, School of Computer Science, Wuhan University（多媒体软件国家工程研究中心，计算机科学学院，武汉大学） ； School of Computing, National University of Singapore（计算学院，新加坡国立大学） ； School of Computer Science, Peking University（计算机科学学院，北京大学） ； State Key Laboratory for Multimedia Information Processing, Peking University（多媒体信息处理国家重点实验室，北京大学） 纠错

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

Comments 6 pages, 5 figures, ACM Multimedia 2025 Dataset Track

Multimodal Medical Disease Classification with LLaMA II

Christian Gapp, Elias Tappeiner, Martin Welk, Rainer Schubert

机构 * Institute of Biomedical Image Analysis UMIT TIROL（生物医学影像分析研究所 UMIT TIROL） ； UMIT TIROL – Private University for Health Sciences and Health Technology（UMIT TIROL – 健康科学与健康技术私立大学） ； VASCage – Centre on Clinical Stroke Research Innsbruck（VASCage – 神经科学临床研究中心 Innsbruck） 纠错

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

Comments 9 pages, 6 figures, conference: AIRoV -- The First Austrian Symposium on AI, Robotics, and Vision 25.-27.3.2024, Innsbruck

Multi-Modal Robust Enhancement for Coastal Water Segmentation: A Systematic HSV-Guided Framework

Zhen Tian, Christos Anagnostopoulos, Qiyuan Wang, Zhiwei Gao

机构 * School of Computing Science, University of Glasgow（格拉斯哥大学计算科学学院） ； School of Computing Engineering, University of Glasgow（格拉斯哥大学计算工程学院） 纠错

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

Two Stage Context Learning with Large Language Models for Multimodal Stance Detection on Climate Change

Lata Pangtey, Omkar Kabde, Shahid Shafi Dar, Nagendra Kumar

机构 * Department of Computer Science and Engineering, Indian Institute of Technology (IIT) Indore（计算机科学与工程系，印度理工学院（IIT）印多尔） ； Chaitanya Bharathi Institute of Technology, Gandipet, Hyderabad, 500075（恰伊坦尼亚·巴哈提技术学院，加迪皮特，海得拉巴，500075） 纠错

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

STROKEVISION-BENCH: A Multimodal Video And 2D Pose Benchmark For Tracking Stroke Recovery

David Robinson, Animesh Gupta, Rizwan Quershi, Qiushi Fu, Mubarak Shah

机构 * Center for Research in Computer Vision, University of Central Florida（计算机视觉研究中心，佛罗里达中央大学） ； Mechanical and Aerospace Engineering, University of Central Florida（机械与航空航天工程，佛罗里达中央大学） 纠错

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

Comments 6 pages

Integrating Clinical Knowledge Graphs and Gradient-Based Neural Systems for Enhanced Melanoma Diagnosis via the 7-Point Checklist

Yuheng Wang, Tianze Yu, Jiayue Cai, Sunil Kalia, Harvey Lui, Z. Jane Wang, Tim K. Lee

机构 * The University of British Columbia（不列颠哥伦比亚大学） ； Vancouver Coastal Health Research Institute（温哥华海岸健康研究机构） ； Department of Dermatology and Skin Science（皮肤科与皮肤病学系） ； Photomedicine Institute（光医学研究所） ； Centre for Clinical Epidemiology and Evaluation（临床流行病学与评估中心） ； School of Biomedical Engineering（生物医学工程学院） ； Department of Electrical and Computer Engineering（电气与计算机工程系） ； Department of Population Health Sciences（人群健康科学系） ； BC Cancer（不列颠哥伦比亚省癌症中心） ； BC Children’s Hospital Research Institute（不列颠哥伦比亚儿童医院研究机构） ； Guangdong Key Laboratory of Biomedical Measurements and Ultrasound Imaging（广东生物医学测量与超声成像重点实验室） ； Shenzhen University Medical School（深圳大学医学院） ； Shenzhen University（深圳大学） 纠错

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

Comments The paper was officially accepted for publication in IEEE Transactions on Neural Networks and Learning Systems in August 2025

Baba Is AI: Break the Rules to Beat the Benchmark

Nathan Cloos, Meagan Jens, Michelangelo Naim, Yen-Ling Kuo, Ignacio Cases, Andrei Barbu, Christopher J. Cueva

机构 * MIT（麻省理工学院） ； Department of Computer Science, University of Virginia, USA（弗吉尼亚大学计算机科学系） 纠错

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

Comments 8 pages, 8 figures

An Explainable Deep Neural Network with Frequency-Aware Channel and Spatial Refinement for Flood Prediction in Sustainable Cities

Shahid Shafi Dar, Bharat Kaurav, Arnav Jain, Chandravardhan Singh Raghaw, Mohammad Zia Ur Rehman, Nagendra Kumar

机构 * Indian Institute of Technology Indore（印度印度理工学院印度尔） 纠错

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