多模态大模型

CL-UZH submission to the NIST SRE 2024 Speaker Recognition Evaluation

Aref Farhadipour, Shiran Liu, Masoumeh Chapariniya, Valeriia Vyshnevetska, Srikanth Madikeri, Teodora Vukovic, Volker Dellwo

机构 * CL-UZH（苏黎世联邦理工学院） 纠错

专题命中 多模态评测 ：audio-visual(abstract)；分类 eess.AS

Comments CL-UZH submission for the NIST SRE 2024 Evaluation plan

CADReview: Automatically Reviewing CAD Programs with Error Detection and Correction

Jiali Chen, Xusen Hei, HongFei Liu, Yuancheng Wei, Zikun Deng, Jiayuan Xie, Yi Cai, Li Qing

机构 * School of Software Engineering, South China University of Technology（华南理工大学软件学院） ； Key Laboratory of Big Data and Intelligent Robot Ministry of Education（教育部大数据与智能机器人重点实验室） ； The Hong Kong Polytechnic University（香港理工大学） 纠错

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

Comments ACL 2025 main conference

Syn-Diag: An LLM-based Synergistic Framework for Generalizable Few-shot Fault Diagnosis on the Edge

Zijun Jia, Shuang Liang, Jinsong Yu

机构 * Beihang University（北京航空航天大学） 纠错

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

nnSAM2: nnUNet-Enhanced One-Prompt SAM2 for Few-shot Multi-Modality Segmentation and Composition Analysis of Lumbar Paraspinal Muscles

Zhongyi Zhang, Julie A. Hides, Enrico De Martino, Abdul Joseph Fofanah, Gervase Tuxworth

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

Physics-informed Attention-enhanced Fourier Neural Operator for Solar Magnetic Field Extrapolations

Jinghao Cao, Qin Li, Mengnan Du, Haimin Wang, Bo Shen

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

Comments 10 pages; accepted as workshop paper in ICDM 2025; https://github.com/Autumnstar-cjh/PIANO

TimeSeriesScientist: A General-Purpose AI Agent for Time Series Analysis

Haokun Zhao, Xiang Zhang, Jiaqi Wei, Yiwei Xu, Yuting He, Siqi Sun, Chenyu You

机构 * Stony Brook University（石溪大学） ； University of California, San Diego（加州大学圣地亚哥分校） ； University of British Columbia（不列颠哥伦比亚大学） ； Zhejiang University（浙江大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Case Western Reserve University（凯斯西储大学） ； Fudan University（复旦大学） 纠错

专题命中 多模态Agent ：multi-modal(abstract)

Multimodal Feature Prototype Learning for Interpretable and Discriminative Cancer Survival Prediction

Shuo Jiang, Zhuwen Chen, Liaoman Xu, Yanming Zhu, Changmiao Wang, Jiong Zhang, Feiwei Qin, Yifei Chen, Zhu Zhu

机构 * Hangzhou Dianzi University（杭州电子科技大学） ； School of Information and Communication Technology, Griffith University（信息与通信技术学院，格里菲斯大学） ； Shenzhen Research Institute of Big Data（深圳大数据研究院） ； Laboratory of Advanced Theranostic Materials and Technology, Ningbo Institute of Materials Technology and Engineering, Chinese Academy of Sciences（先进诊疗材料与技术实验室，宁波材料技术与工程研究所，中国科学院） ； School of Biomedical Engineering, Tsinghua University（生物医学工程学院，清华大学） 纠错

专题命中 多模态训练与对齐 ：multimodal(title,abstract)；cross-modal(abstract)；分类 cs.CV

Comments 12 pages, 10 figures

Anchors Aweigh! Sail for Optimal Unified Multi-Modal Representations

Minoh Jeong, Zae Myung Kim, Min Namgung, Dongyeop Kang, Yao-Yi Chiang, Alfred Hero

机构 * University of Michigan（密歇根大学） ； University of Minnesota（明尼苏达大学） 纠错

专题命中 多模态训练与对齐 ：multi-modal(title,abstract)；cross-modal(abstract)；分类 cs.CV

Beyond Monolithic Rewards: A Hybrid and Multi-Aspect Reward Optimization for MLLM Alignment

Radha Gulhane, Sathish Reddy Indurthi

机构 * Radha Gulhane（独立研究者） ； Sathish Reddy Indurthi（独立研究者） 纠错

专题命中 多模态训练与对齐 ：MLLM(title)；multimodal(abstract)；分类 cs.CV、cs.CL、cs.AI

Representation Potentials of Foundation Models for Multimodal Alignment: A Survey

Jianglin Lu, Hailing Wang, Yi Xu, Yizhou Wang, Kuo Yang, Yun Fu

机构 * Department of Electrical and Computer Engineering, Northeastern University（东北大学电气与计算机工程系） ； Khoury College of Computer Science, Northeastern University（东北大学科赫里计算机科学学院） 纠错

专题命中 多模态训练与对齐 ：multimodal(title)；cross-modal(abstract)；分类 cs.AI

Journal ref The 2025 Conference on Empirical Methods in Natural Language Processing

AuxDet: Auxiliary Metadata Matters for Omni-Domain Infrared Small Target Detection

Yangting Shi, Yinfei Zhu, Renjie He, Le Hui, Meng Cai, Ming-Ming Cheng, Yimian Dai

机构 * School of Electronics and Information（电子信息学院） ； Northwestern Polytechnical University（西北工业大学） ； Shaanxi Key Laboratory of Information Acquisition and Processing（陕西省信息获取与处理重点实验室） ； Luoyang Institute of Electro-Optical Equipment under AVIC（航空工业集团洛阳光电设备研究所） ； VCIP, College of Computer Science（VCIP，计算机科学学院） ； Nankai University（南开大学） 纠错

专题命中 多模态训练与对齐 ：multimodal(abstract)；分类 cs.CV

Seeing the Big Picture: Evaluating Multimodal LLMs' Ability to Interpret and Grade Handwritten Student Work

Owen Henkel, Bill Roberts, Doug Jaffe, Laurence Holt

专题命中 其他多模态 ：multimodal(title,abstract)；MLLM(abstract)；分类 cs.CV、cs.AI

A multi-modal tactile fingertip design for robotic hands to enhance dexterous manipulation

Zhuowei Xu, Zilin Si, Kevin Zhang, Oliver Kroemer, Zeynep Temel

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

专题命中 其他多模态 ：multi-modal(title,abstract)

A Scalable AI Driven, IoT Integrated Cognitive Digital Twin for Multi-Modal Neuro-Oncological Prognostics and Tumor Kinetics Prediction using Enhanced Vision Transformer and XAI

Saptarshi Banerjee, Himadri Nath Saha, Utsho Banerjee, Rajarshi Karmakar, Jon Turdiev

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

The Feasibility of Acoustophoresis Multimodal Control

Guilherme Perticarari, Dongjun Wu, Thierry Baasch

专题命中 其他多模态 ：multimodal(title)

Nonlinear Filtering with Brenier Optimal Transport Maps

Mohammad Al-Jarrah, Niyizhen Jin, Bamdad Hosseini, Amirhossein Taghvaei

机构 * Department of Aeronautics \& Astronautics, University of Washington, Seattle. ； Department of Applied Mathematics, University of Washington, Seattle. 纠错

专题命中 其他多模态 ：multi-modal(abstract)

Comments 27 pages, 17 figures, 1 Table