AI 大模型

多模态大模型

跨文本、图像、视频、音频等模态的大模型与学习方法。

2025-10-20 至 2025-10-20 共收录 6 篇信号源：cs.CV, cs.CL, cs.AI, cs.MM, eess.AS

1. 多模态生成 6 篇

2510.15068 2025-10-20 cs.CR cs.AI 83%

Sequential Comics for Jailbreaking Multimodal Large Language Models via Structured Visual Storytelling

Deyue Zhang, Dongdong Yang, Junjie Mu, Quancheng Zou, Zonghao Ying, Wenzhuo Xu, Zhao Liu, Xuan Wang, Xiangzheng Zhang

机构 * AI Security Lab（360人工智能安全实验室）； Politecnico di Milano（米兰理工大学）； Beihang University（北京航空航天大学）

专题命中多模态生成：multimodal(title,abstract)；cross-modal(abstract)；分类 cs.AI

2510.13253 2025-10-20 cs.CV cs.AI cs.LG 81%

End-to-End Multi-Modal Diffusion Mamba

Chunhao Lu, Qiang Lu, Meichen Dong, Jake Luo

机构 * China University of Petroleum-Beijing（中国石油大学（北京））； Leyard Optoelectronic（莱亚德光电）； University of Wisconsin-Milwaukee（威斯康星大学密尔沃基分校）

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

Comments Accepted by ICCV 2025

2502.15176 2025-10-20 cs.CV cs.AI 62%

Methods and Trends in Detecting AI-Generated Images: A Comprehensive Review

Arpan Mahara, Naphtali Rishe

机构 * Knight Foundation School of Computing and Information Sciences, Florida International University（骑士基金会计算与信息科学学院，佛罗里达国际大学）

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

Comments 34 pages, 4 Figures, 10 Tables

2510.15857 2025-10-20 cs.CV 57%

BLIP3o-NEXT: Next Frontier of Native Image Generation

Jiuhai Chen, Le Xue, Zhiyang Xu, Xichen Pan, Shusheng Yang, Can Qin, An Yan, Honglu Zhou, Zeyuan Chen, Lifu Huang, Tianyi Zhou, Junnan Li, Silvio Savarese, Caiming Xiong, Ran Xu

机构 * Salesforce Research（Salesforce研究部）； University of Maryland（马里兰大学）； Virginia Tech（弗吉尼亚理工大学）； New York University（纽约大学）； UC Davis（加州大学戴维斯分校）

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

2412.03409 2025-10-20 cs.CV 57%

PrefixKV: Adaptive Prefix KV Cache is What Vision Instruction-Following Models Need for Efficient Generation

Ao Wang, Hui Chen, Jiaxin Li, Jianchao Tan, Kefeng Zhang, Xunliang Cai, Zijia Lin, Jungong Han, Guiguang Ding

机构 * School of Software, Tsinghua University（清华大学软件学院）； BNRist, Tsinghua University（清华大学BNRist）； Meituan Inc.（美团公司）； Department of Automation, Tsinghua University（清华大学自动化系）

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

Comments NeurIPS 2025 Camera-ready Version

2411.16039 2025-10-20 physics.med-ph 50%

Label-Free Intraoperative Imaging of Hemodynamics using Deep Learning

Yan Shi, Denghui Zhao, Jingyi Yu, Wei Ni, Pengcheng Li, Yun Gu, Peng Miao, Shanbao Tong

专题命中多模态生成：cross-modal(abstract)