多模态大模型

Latent Sketchpad: Sketching Visual Thoughts to Elicit Multimodal Reasoning in MLLMs

Huanyu Zhang, Wenshan Wu, Chengzu Li, Ning Shang, Yan Xia, Yangyu Huang, Yifan Zhang, Li Dong, Zhang Zhang, Liang Wang, Tieniu Tan, Furu Wei

机构 * MSR（微软研究院） ； UCAS（中国科学院自动化研究所） ； CASIA（中国科学院自动化研究所） ； Cambridge（剑桥大学） ； NJU（南京大学） 纠错

专题命中 多模态生成 ：multimodal(title,abstract)；分类 cs.CV、cs.CL

InstanceAssemble: Layout-Aware Image Generation via Instance Assembling Attention

Qiang Xiang, Shuang Sun, Binglei Li, Dejia Song, Huaxia Li, Nemo Chen, Xu Tang, Yao Hu, Junping Zhang

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

Comments Accepted in NeurIPS 2025

A Novel Virus Diffusion Optimization (VDO) Algorithm for Global Optimization

Zhaoqi Sun, Qingsong Wang

专题命中 多模态生成 ：multimodal(abstract)