多模态大模型

LLM-I: LLMs are Naturally Interleaved Multimodal Creators

Zirun Guo, Feng Zhang, Kai Jia, Tao Jin

机构 * Zhejiang University（浙江大学） 纠错

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

DPDEdit: Detail-Preserved Diffusion Models for Multimodal Fashion Image Editing

Xiaolong Wang, Zhi-Qi Cheng, Jue Wang, Xiaojiang Peng

机构 * Shenzhen Technology University（深圳科技大学） ； University of Washington（华盛顿大学） ； Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences（深圳先进技术研究院，中国科学院） 纠错

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

Comments 13 pages,12 figures

Rich Vehicle Routing Problem in Disaster Management enabling Temporally-causal Transhipments across Multi-Modal Transportation Network

Santanu Banerjee, Goutam Sen, Siddhartha Mukhopadhyay

机构 * Department of Industrial and Systems Engineering (ISE), Indian Institute of Technology (IIT) Kharagpur（工业与系统工程系，印度理工学院Kharagpur分校） 纠错

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

Comments Major changes in version II: 1) Supplementary is now a separate document, 2) Algorithm steps have been updated with pseudocode in the Heuristic, 3) Explanation of the MILP formulation construction is further detailed in a supplementary section

Learning Multimodal Attention for Manipulating Deformable Objects with Changing States

Namiko Saito, Mayu Tatsumi, Ayuna Kubo, Kanata Suzuki, Hiroshi Ito, Shigeki Sugano, Tetsuya Ogata

机构 * Future Robotics Organization, Waseda University（早稻田大学未来机器人组织） ； Microsoft Research Asia（微软亚洲研究院） ； Department of Modern Mechanical Engineering, Waseda University（早稻田大学现代机械工程系） ； Artificial Intelligence Laboratories, Fujitsu Limited（Fujitsu 人工智能实验室） ； Center for Technology Innovation - Controls and Robotics, Research & Development Group, Hitachi, Ltd.（富士通技术研发集团技术创新中心 - 控制与机器人） ； Faculty of Science and Engineering, Waseda University（早稻田大学工学部） ； National Institute of Advanced Science and Technology（国家先进科学研究院） 纠错

专题命中 多模态生成 ：multimodal(title)

Comments Humanoids2025

Iterative Prompt Refinement for Safer Text-to-Image Generation

Jinwoo Jeon, JunHyeok Oh, Hayeong Lee, Byung-Jun Lee

机构 * Korea University（韩国大学） 纠错

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

Integrating Text and Time-Series into (Large) Language Models to Predict Medical Outcomes

Iyadh Ben Cheikh Larbi, Ajay Madhavan Ravichandran, Aljoscha Burchardt, Roland Roller

机构 * German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心） ； Technical University Berlin（柏林技术大学） 纠错

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

Comments Presented and published at BioCreative IX