2508.06434 2025-09-26 cs.CV cs.AI 86% CLIPin: A Non-contrastive Plug-in to CLIP for Multimodal Semantic Alignment Shengzhu Yang, Jiawei Du, Shuai Lu, Weihang Zhang, Ningli Wang, Huiqi Li 机构 * Beijing Institute of Technology(北京理工大学) ; Beijing Tongren Hospital(北京同仁医院) 纠错 专题命中 图文多模态 :multimodal(title,abstract);cross-modal(abstract);image-text(abstract);分类 cs.CV、cs.AI 详情 展开后加载摘要… URL PDF HTML 收藏 复制 复制简介 复制详情 生成图片 生成简图 生成详图
2503.07487 2025-09-26 cs.CV 85% LLaVA-RadZ: Can Multimodal Large Language Models Effectively Tackle Zero-shot Radiology Recognition? Bangyan Li, Wenxuan Huang, Zhenkun Gao, Yeqiang Wang, Yunhang Shen, Jingzhong Lin, Ling You, Yuxiang Shen, Shaohui Lin, Wanli Ouyang, Yuling Sun 机构 * East China Normal University(华东师范大学) ; The Chinese University of Hong Kong(香港中文大学) ; Northwest A&F University(西北农林科技大学) ; Tencent Youtu Lab(腾讯优图实验室) ; Xiamen University(厦门大学) 纠错 专题命中 图文多模态 :multimodal(title,abstract);MLLM(abstract);image-text(abstract);分类 cs.CV 详情 展开后加载摘要… URL PDF HTML 收藏 复制 复制简介 复制详情 生成图片 生成简图 生成详图
2509.20961 2025-09-26 cs.CV cs.AI 84% Unlocking Financial Insights: An advanced Multimodal Summarization with Multimodal Output Framework for Financial Advisory Videos Sarmistha Das, R E Zera Marveen Lyngkhoi, Sriparna Saha, Alka Maurya 机构 * Indian Institute of Technology Patna(印度帕纳杰大学) ; CRISIL LTD(CRISIL公司) 纠错 专题命中 图文多模态 :multimodal(title,abstract);cross-modal(abstract);分类 cs.CV、cs.AI 详情 展开后加载摘要… URL PDF HTML 收藏 复制 复制简介 复制详情 生成图片 生成简图 生成详图
2509.20769 2025-09-26 cs.IR cs.AI cs.CV 81% Provenance Analysis of Archaeological Artifacts via Multimodal RAG Systems Tuo Zhang, Yuechun Sun, Ruiliang Liu 机构 * Museus ; University of Science and Technology of China(中国科学技术大学) ; British Museum(大英博物馆) 纠错 专题命中 图文多模态 :multimodal(title,abstract);分类 cs.CV、cs.AI 详情 展开后加载摘要… URL PDF HTML 收藏 复制 复制简介 复制详情 生成图片 生成简图 生成详图
2509.21251 2025-09-26 cs.CV cs.AI 76% Instruction-tuned Self-Questioning Framework for Multimodal Reasoning You-Won Jang, Yu-Jung Heo, Jaeseok Kim, Minsu Lee, Du-Seong Chang, Byoung-Tak Zhang 专题命中 图文多模态 :multimodal(title);分类 cs.CV、cs.AI Comments This paper was accepted to the "CLVL: 5th Workshop on Closing the Loop Between Vision and Language (ICCV 2023 CLVL workshop)." 详情 展开后加载摘要… URL PDF HTML 收藏 复制 复制简介 复制详情 生成图片 生成简图 生成详图
2509.21287 2025-09-26 cs.CL cs.AI 73% DisCoCLIP: A Distributional Compositional Tensor Network Encoder for Vision-Language Understanding Kin Ian Lo, Hala Hawashin, Mina Abbaszadeh, Tilen Limback-Stokin, Hadi Wazni, Mehrnoosh Sadrzadeh 机构 * University College London(伦敦大学学院) 纠错 专题命中 图文多模态 :multimodal(abstract);image-text(abstract);分类 cs.CL、cs.AI 详情 展开后加载摘要… URL PDF HTML 收藏 复制 复制简介 复制详情 生成图片 生成简图 生成详图
2509.18174 2025-09-26 cs.CV cs.CL 73% Baseer: A Vision-Language Model for Arabic Document-to-Markdown OCR Khalil Hennara, Muhammad Hreden, Mohamed Motasim Hamed, Ahmad Bastati, Zeina Aldallal, Sara Chrouf, Safwan AlModhayan 专题命中 图文多模态 :multimodal(abstract);MLLM(abstract);分类 cs.CV、cs.CL 详情 展开后加载摘要… URL PDF HTML 收藏 复制 复制简介 复制详情 生成图片 生成简图 生成详图
2411.00827 2025-09-26 cs.CV cs.AI 73% IDEATOR: Jailbreaking and Benchmarking Large Vision-Language Models Using Themselves Ruofan Wang, Juncheng Li, Yixu Wang, Bo Wang, Xiaosen Wang, Yan Teng, Yingchun Wang, Xingjun Ma, Yu-Gang Jiang 机构 * Fudan University(复旦大学) ; Huawei Technologies Ltd.(华为技术有限公司) ; Shanghai Artificial Intelligence Laboratory(上海人工智能实验室) 纠错 专题命中 图文多模态 :multimodal(abstract);image-text(abstract);分类 cs.CV、cs.AI 详情 展开后加载摘要… URL PDF HTML 收藏 复制 复制简介 复制详情 生成图片 生成简图 生成详图
2509.20792 2025-09-26 cs.CV cs.AI cs.LG 66% DAC-LoRA: Dynamic Adversarial Curriculum for Efficient and Robust Few-Shot Adaptation Ved Umrajkar 机构 * Indian Institute of Technology, Roorkee(印度理工学院拉胡尔分校) 纠错 专题命中 图文多模态 :multimodal(abstract,comments);分类 cs.CV、cs.AI Comments Accepted at ICCV2025 Workshop on Safe and Trustworthy Multimodal AI Systems 详情 展开后加载摘要… URL PDF HTML 收藏 复制 复制简介 复制详情 生成图片 生成简图 生成详图