多模态大模型

A Multimodal Lightweight Approach to Fault Diagnosis of Induction Motors in High-Dimensional Dataset

Usman Ali

机构 * GIFT University（GIFT大学） 纠错

专题命中 多模态评测 ：multimodal(title)

Valeo Near-Field: a novel dataset for pedestrian intent detection

Antonyo Musabini, Rachid Benmokhtar, Jagdish Bhanushali, Victor Galizzi, Bertrand Luvison, Xavier Perrotton

机构 * Valeo（瓦莱欧） ； BRAIN Division（BRAIN部门） ； Universite Paris-Saclay（巴黎-萨克雷大学） ； CEA（法国国家科学研究中心） ； List ； F-91120（法国） 纠错

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

Journal ref ICCV 2025 - 9th Workshop and Competition on Affective & Behavior Analysis in-the-wild (ABAW)

When Seeing Is not Enough: Revealing the Limits of Active Reasoning in MLLMs

Hongcheng Liu, Pingjie Wang, Yuhao Wang, Siqu Ou, Yanfeng Wang, Yu Wang

机构 * Shanghai Jiao Tong University（上海交通大学） 纠错

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

Comments 20 pages, 13 figures

WebGen-V Bench: Structured Representation for Enhancing Visual Design in LLM-based Web Generation and Evaluation

Kuang-Da Wang, Zhao Wang, Yotaro Shimose, Wei-Yao Wang, Shingo Takamatsu

机构 * National Yang Ming Chiao Tung University, Sony Group Corporation（National Yang Ming Chiao Tung University, Sony集团） ； Sony Group Corporation（Sony集团） 纠错

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

CogBench: A Large Language Model Benchmark for Multilingual Speech-Based Cognitive Impairment Assessment

Rui Feng, Zhiyao Luo, Wei Wang, Yuting Song, Yong Liu, Tingting Zhu, Jianqing Li, Xingyao Wang

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

Comments 19 pages, 9 figures, 12 tables

Towards Human Cognition: Visual Context Guides Syntactic Priming in Fusion-Encoded Models

Bushi Xiao, Michael Bennie, Jayetri Bardhan, Daisy Zhe Wang

机构 * University of Florida（佛罗里达大学） 纠错

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

Causal Time Series Modeling of Supraglacial Lake Evolution in Greenland under Distribution Shift

Emam Hossain, Muhammad Hasan Ferdous, Devon Dunmire, Aneesh Subramanian, Md Osman Gani

机构 * Department of Information Systems, University of Maryland Baltimore County, USA（信息系统系，马里兰大学巴尔的摩县分校） ； Department of Earth and Environmental Sciences, KU Leuven, Belgium（地球与环境科学系，鲁汶大学） ； Department of Atmospheric and Oceanic Sciences, University of Colorado Boulder, USA（大气与海洋科学系，科罗拉多大学博尔德分校） 纠错

专题命中 多模态评测 ：multi-modal(abstract)

Comments Accepted as full paper in ICMLA 2025 (Special Session 1: Deep Learning and Applications)

AUGUSTUS: An LLM-Driven Multimodal Agent System with Contextualized User Memory

Jitesh Jain, Shubham Maheshwari, Ning Yu, Wen-mei Hwu, Humphrey Shi

机构 * Adobe（Adobe公司） ； Netflix Eyeline Studios（Netflix Eyeline工作室） ； UIUC（伊利诺伊大学香槟分校） 纠错

专题命中 多模态Agent ：multimodal(title,abstract)；分类 cs.AI

Comments LAW 2025 Workshop at NeurIPS 2025. Work done from late 2023 to early 2024

EASELAN: An Open-Source Framework for Multimodal Biosignal Annotation and Data Management

Rathi Adarshi Rammohan, Moritz Meier, Dennis Küster, Tanja Schultz

专题命中 多模态Agent ：multimodal(title,abstract)

AppCopilot: Toward General, Accurate, Long-Horizon, and Efficient Mobile Agent

Jingru Fan, Yufan Dang, Jingyao Wu, Huatao Li, Runde Yang, Xiyuan Yang, Yuheng Wang, Chen Qian

专题命中 多模态Agent ：multimodal(abstract)；multimodal foundation model(abstract)；分类 cs.CV、cs.CL、cs.AI

Comments Project at https://github.com/OpenBMB/AppCopilot

WebInject: Prompt Injection Attack to Web Agents

Xilong Wang, John Bloch, Zedian Shao, Yuepeng Hu, Shuyan Zhou, Neil Zhenqiang Gong

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

Comments Appeared in EMNLP 2025 main conference. To better understand prompt injection attacks, see https://people.duke.edu/~zg70/code/PromptInjection.pdf

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

VerlTool: Towards Holistic Agentic Reinforcement Learning with Tool Use

Dongfu Jiang, Yi Lu, Zhuofeng Li, Zhiheng Lyu, Ping Nie, Haozhe Wang, Alex Su, Hui Chen, Kai Zou, Chao Du, Tianyu Pang, Wenhu Chen

机构 * University of Waterloo（滑铁卢大学） ； Sea AI Lab（Sea AI 实验室） ； University of Toronto（多伦多大学） ； Shanghai University（上海大学） ； HKUST（香港科技大学） ； M-A-P ； National University of Singapore（新加坡国立大学） 纠错

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

Comments 32 pages, 5 figures, 13 tables

General-Purpose Robotic Navigation via LVLM-Orchestrated Perception, Reasoning, and Acting

Bernard Lange, Anil Yildiz, Mansur Arief, Shehryar Khattak, Mykel Kochenderfer, Georgios Georgakis

机构 * Stanford University（斯坦福大学） ； Jet Propulsion Laboratory（喷气推进实验室） ； California Institute of Technology（加州理工学院） 纠错

专题命中 多模态Agent ：multimodal(abstract)；分类 cs.CV、cs.AI

PAD: Phase-Amplitude Decoupling Fusion for Multi-Modal Land Cover Classification

Huiling Zheng, Xian Zhong, Bin Liu, Yi Xiao, Bihan Wen, Xiaofeng Li

机构 * Sanya Science and Education Innovation Park, Wuhan University of Technology, Sanya 572025, China（武汉理工大学三亚科学教育创新园） ； School of Computer Science and Artificial Intelligence, Wuhan University of Technology, Wuhan 430070, China（武汉理工大学计算机科学与人工智能学院） ； Key Laboratory of Ocean Circulation and Waves, Institute of Oceanology, Chinese Academy of Sciences, Qingdao 266071, China（中国科学院海洋循环与波浪重点实验室） ； Hubei Key Laboratory of Transportation Internet of Things, School of Computer Science and Artificial Intelligence, Wuhan University of Technology, Wuhan 430070, China（湖北省交通物联网重点实验室） ； State Key Laboratory of Maritime Technology and Safety, Wuhan University of Technology, Wuhan 430063, China（武汉理工大学航海技术与安全国家重点实验室） ； College of Oceanography and Ecological Science, Shanghai Ocean University, Shanghai 201306, China（上海海洋大学海洋科学与生态学院） ； School of Computer and Artificial Intelligence, Zhengzhou University, Zhengzhou 450001, China（郑州大学计算机与人工智能学院） ； Rapid-Rich Object Search Lab, School of Electrical and Electronic Engineering, Nanyang Technological University, Singapore 639798（南洋理工大学电子与电气工程学院） 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、cs.AI

Comments 14 pages, 8 figures

VERITAS: Leveraging Vision Priors and Expert Fusion to Improve Multimodal Data

Tingqiao Xu, Ziru Zeng, Jiayu Chen

机构 * Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学） 纠错

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

Comments Accepted to EMNLP 2025 (Main Conference)

MOBIUS: Big-to-Mobile Universal Instance Segmentation via Multi-modal Bottleneck Fusion and Calibrated Decoder Pruning

Mattia Segu, Marta Tintore Gazulla, Yongqin Xian, Luc Van Gool, Federico Tombari

机构 * Google（谷歌） ； ETH Zurich（苏黎世联邦理工学院） ； INSAIT, Sofia University, St. Kliment Ohridski（INSAIT，索菲亚大学，圣克莱孟·奥赫里茨基） 纠错

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

Comments ICCV 2025

Information Theory in Open-world Machine Learning Foundations, Frameworks, and Future Direction

Lin Wang

机构 * Shenzhen Key Laboratory of Neuropsychiatric Modulation（深圳心理行为调控重点实验室） ； Shenzhen-Hong Kong Institute of Brain Science（深圳-香港脑科学研究院） ； Shenzhen Institutes of Advanced Technology（深圳先进技术研究院） ； Chinese Academy of Sciences（中国科学院） 纠错

专题命中 多模态训练与对齐 ：multimodal(abstract)

Revealing the Evolution of Order in Materials Microstructures Using Multi-Modal Computer Vision

Arman Ter-Petrosyan, Michael Holden, Jenna A. Bilbrey, Sarah Akers, Christina Doty, Kayla H. Yano, Le Wang, Rajendra Paudel, Eric Lang, Khalid Hattar, Ryan B. Comes, Yingge Du, Bethany E. Matthews, Steven R. Spurgeon

机构 * Department of Materials Science and Engineering, University of California, Irvine, Irvine, California 92697（材料科学与工程系，加州大学伊尔弗斯分校） ； National Security Directorate, Pacific Northwest National Laboratory, Richland, Washington 99352（国家安全 Directorate，太平洋西北国家实验室） ； Environment Directorate, Pacific Northwest National Laboratory, Richland, Washington 99352（环境 Directorate，太平洋西北国家实验室） ； Computational Sciences Directorate, Pacific Northwest National Laboratory, Richland, Washington 99352（计算科学 Directorate，太平洋西北国家实验室） ； Department of Physics, Auburn University, Auburn, Alabama 36849（物理系，阿伯茨海德大学） ； Department of Nuclear Engineering, University of New Mexico, Albuquerque, New Mexico 87131（核工程系，新墨西哥大学） ； Department of Nuclear Engineering, University of Tennessee, Knoxville, Tennessee 37996（核工程系，田纳西大学， Knoxville分校） ； Engineering, University of Delaware, Newark, Delaware 19716（工程系，德雷塞尔大学，新阿罗约分校） ； National Renewable Energy Laboratory, Golden, Colorado 80401（国家可再生能源实验室） ； Sustainable Energy Institute, University of Colorado Boulder, Boulder, CO, 80309（可持续能源学院，科罗拉多大学波德分校） 纠错

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

Comments 30 pages, 5 figures, 2 tables

Hybrid Path-Transverse Electric Mode Qudit Encoding on an Integrated Photonic Chip

Imogen Forbes, Patrick Yard, Martin Bielak, Molly A. Thomas, Matthew S. Jones, Stefano Paesani, Massimo Borghi, Anthony Laing

专题命中 其他多模态 ：multimodal(abstract)

Bayesian Sequential Modeling of Time-to-Urination for Dynamic ED Triage

Atsushi Senda, Yuki Takatsu, Ryokan Ikebe, Hiroshi Suginaka, Koji Morishita, Akira Endo

专题命中 其他多模态 ：multimodal(abstract)

A Simple Method for PMF Estimation on Large Supports

Alex Shtoff

机构 * Technology Innovation Institute（技术创新研究所） 纠错

专题命中 其他多模态 ：multi-modal(abstract)

Physiology-informed layered sensing for intelligent human-exoskeleton interaction

Chenyu Tang, Yu Zhu, Josée Mallah, Wentian Yi, Luyao Jin, Zibo Zhang, Shengbo Wang, Muzi Xu, Ming Shen, Calvin Kalun Or, Shuo Gao, Shaoping Bai, Luigi G. Occhipinti

专题命中 其他多模态 ：multimodal(abstract)

Comments 21 pages, 5 figures, 43 references