多模态大模型

Unified Cross-Modal Medical Image Synthesis with Hierarchical Mixture of Product-of-Experts

Reuben Dorent, Nazim Haouchine, Alexandra Golby, Sarah Frisken, Tina Kapur, William Wells

机构 * Harvard Medical School and the Brigham and Women’s Hospital（哈佛医学院和布里洛妇产科医院） ； MIND Team, Inria Saclay, Université Paris-Saclay, Palaiseau, France and Sorbonne Université, Institut du Cerveau - Paris Brain Institute - ICM, CNRS, Inria, Inserm, AP-HP, Hôpital de la Pitié Salpêtrière（MIND团队、Inria Saclay、巴黎萨克雷大学、Palaiseau，法国以及索邦大学、巴黎脑研究所-ICM、CNRS、Inria、Inserm、AP-HP、皮蒂埃萨勒普蒂耶医院） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

专题命中 多模态评测 ：cross-modal(title,abstract)；multimodal(abstract)；分类 cs.CV

Comments Accepted in IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI)

SpaCE-10: A Comprehensive Benchmark for Multimodal Large Language Models in Compositional Spatial Intelligence

Ziyang Gong, Wenhao Li, Oliver Ma, Songyuan Li, Zhaokai Wang, Songyuan Li, Jiayi Ji, Xue Yang, Gen Luo, Junchi Yan, Rongrong Ji

机构 * SJTU（上海交通大学） ； XMU（厦门大学） ； Shanghai AI Lab（上海人工智能实验室） ； SYSU（南方科技大学） ； FDU（福建大学） ； NUS（新加坡国立大学） 纠错

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

Can Video Large Multimodal Models Think Like Doubters-or Double-Down: A Study on Defeasible Video Entailment

Yue Zhang, Jilei Sun, Yunhui Guo, Vibhav Gogate

机构 * Department of Computer Science（计算机科学系） ； The University of Texas at Dallas（德克萨斯大学达拉斯分校） 纠错

专题命中 多模态评测 ：multimodal(title,abstract)；分类 cs.CV、cs.CL、cs.AI

When Semantics Mislead Vision: Mitigating Large Multimodal Models Hallucinations in Scene Text Spotting and Understanding

Yan Shu, Hangui Lin, Yexin Liu, Yan Zhang, Gangyan Zeng, Yan Li, Yu Zhou, Ser-Nam Lim, Harry Yang, Nicu Sebe

机构 * University of Trento（特伦托大学） ； Hong Kong University of Science and Technology（香港科学与技术大学） ； University of International Relations（国际关系大学） ； Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络安全学院） ； Nanjing University of Science and Technology（南京理工大学） ； VCIP & TMCC & DISSec, College of Computer Science, Nankai University（南开大学计算机学院） ； University of Central Florida（佛罗里达中央大学） 纠错

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

Comments Accepted by NeurIPS 2025

AVerImaTeC: A Dataset for Automatic Verification of Image-Text Claims with Evidence from the Web

Rui Cao, Zifeng Ding, Zhijiang Guo, Michael Schlichtkrull, Andreas Vlachos

机构 * University of Cambridge（剑桥大学） ； Queen Mary University of London（伦敦大学玛丽女王学院） 纠错

专题命中 多模态评测 ：image-text(title,abstract)；分类 cs.CL

Comments accepted at NeurIPS 2025 Datasets and Benchmarks Track

Safe-LLaVA: A Privacy-Preserving Vision-Language Dataset and Benchmark for Biometric Safety

Younggun Kim, Sirnam Swetha, Fazil Kagdi, Mubarak Shah

机构 * Center For Research in Computer Vision, University of Central Florida, USA（计算机视觉研究中心，中央佛罗里达大学） ； Department of Civil Environmental and Construction Engineering, University of Central Florida, USA（土木环境与建设工程系，中央佛罗里达大学） ； Department of Computer Science, University of Central Florida, USA（计算机科学系，中央佛罗里达大学） 纠错

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

The African Languages Lab: A Collaborative Approach to Advancing Low-Resource African NLP

Sheriff Issaka, Keyi Wang, Yinka Ajibola, Oluwatumininu Samuel-Ipaye, Zhaoyi Zhang, Nicte Aguillon Jimenez, Evans Kofi Agyei, Abraham Lin, Rohan Ramachandran, Sadick Abdul Mumin, Faith Nchifor, Mohammed Shuraim, Lieqi Liu, Erick Rosas Gonzalez, Sylvester Kpei, Jemimah Osei, Carlene Ajeneza, Persis Boateng, Prisca Adwoa Dufie Yeboah, Saadia Gabriel

机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Georgia Institute of Technology（佐治亚理工学院） ； University of Wisconsin - Madison（威斯康星大学麦迪逊分校） ； University of Cape Coast（科克伍德大学） ； Carleton University（卡尔顿大学） ； Stetson University（史蒂文森大学） ； Northwestern University in Qatar（卡塔尔西北大学） ； Cornell University（康奈尔大学） ； Soka University of America（美国立命大学） ； Columbia University（哥伦比亚大学） 纠错

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

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