多模态大模型

METAL: A Multi-Agent Framework for Chart Generation with Test-Time Scaling

Bingxuan Li, Yiwei Wang, Jiuxiang Gu, Kai-Wei Chang, Nanyun Peng

机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； University of California, Merced（加州大学默塞德分校） ； Adobe Research（Adobe研究） 纠错

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

Comments ACL2025 Main

MultiEdit: Advancing Instruction-based Image Editing on Diverse and Challenging Tasks

Mingsong Li, Lin Liu, Hongjun Wang, Haoxing Chen, Xijun Gu, Shizhan Liu, Dong Gong, Junbo Zhao, Zhenzhong Lan, Jianguo Li

机构 * University of New South Wales（新南威尔士大学） ； The University of Hong Kong（香港大学） ； Zhejiang University（浙江大学） ； Westlake University（西湖大学） 纠错

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

FlowDrive: Energy Flow Field for End-to-End Autonomous Driving

Hao Jiang, Zhipeng Zhang, Yu Gao, Zhigang Sun, Yiru Wang, Yuwen Heng, Shuo Wang, Jinhao Chai, Zhuo Chen, Hao Zhao, Hao Sun, Xi Zhang, Anqing Jiang, Chuan Hu

机构 * Shanghai Jiao Tong University（上海交通大学） ； Bosch Corporate Research, Shanghai, China（博世股份有限公司上海研究院） ； AIR, Tsinghua University（清华大学人工智能研究院） ； Shanghai University, Shanghai, China（上海大学） 纠错

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

Probing the Representational Power of Sparse Autoencoders in Vision Models

Matthew Lyle Olson, Musashi Hinck, Neale Ratzlaff, Changbai Li, Phillip Howard, Vasudev Lal, Shao-Yen Tseng

机构 * Oracle ； Intel Labs（英特尔实验室） ； Oregon State University（俄勒冈州立大学） ； Thoughtworks 纠错

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

Comments ICCV 2025 Findings

LLM4MG: Adapting Large Language Model for Multipath Generation via Synesthesia of Machines

Ziwei Huang, Shiliang Lu, Lu Bai, Xuesong Cai, Xiang Cheng

专题命中 多模态生成 ：multi-modal(abstract)