AI 大模型

多模态大模型

跨文本、图像、视频、音频等模态的大模型与学习方法。

2025-09-12 至 2025-09-12 共收录 2 篇信号源：cs.CV, cs.CL, cs.AI, cs.MM, eess.AS

1. 视频多模态 2 篇

2509.09584 2025-09-12 cs.CV cs.RO 57%

Visual Grounding from Event Cameras

Lingdong Kong, Dongyue Lu, Ao Liang, Rong Li, Yuhao Dong, Tianshuai Hu, Lai Xing Ng, Wei Tsang Ooi, Benoit R. Cottereau

机构 * NUS（新加坡国立大学）； HKUST(GZ)（香港科技大学（广州））； NTU（南洋理工大学）； HKUST（香港科技大学）； I 2 R, A*STAR（新加坡科技研究局）； IPAL, CNRS（法国国家科学研究中心IPAL）； CerCo, CNRS（法国国家科学研究中心CerCo）

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

Comments Abstract Paper (Non-Archival) @ ICCV 2025 NeVi Workshop

2509.09263 2025-09-12 cs.CV 57%

DATE: Dynamic Absolute Time Enhancement for Long Video Understanding

Chao Yuan, Yang Yang, Yehui Yang, Zach Cheng

机构 * Beihang University（北京航空航天大学）； Dcar, ByteDance（字节跳动Dcar部门）； Qfin Holdings,Inc（Qfin控股公司）； MAIS, Institute of Automation, Chinese Academy of Sciences（自动化研究所，中国科学院）

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