多模态大模型

Cross-modal Causal Intervention for Alzheimer's Disease Prediction

Yutao Jin, Haowen Xiao, Junyong Zhai, Yuxiao Li, Jielei Chu, Fengmao Lv, Yuxiao Li

机构 * Southwest Jiaotong University（西南交通大学） ； Southeast University（东南大学） ； Sichuan University（四川大学） 纠错

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

To See or To Read: User Behavior Reasoning in Multimodal LLMs

Tianning Dong, Luyi Ma, Varun Vasudevan, Jason Cho, Sushant Kumar, Kannan Achan

机构 * Personalization Team, Walmart Global Tech（Walmart全球科技个性化团队） 纠错

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

Comments Accepted by the 39th Conference on Neural Information Processing Systems (NeurIPS 2025) Workshop: Efficient Reasoning

MedDChest: A Content-Aware Multimodal Foundational Vision Model for Thoracic Imaging

Mahmoud Soliman, Islam Osman, Mohamed S. Shehata, Rasika Rajapakshe

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

Comments 10 pages, 2 figures

SnappyMeal: Design and Longitudinal Evaluation of a Multimodal AI Food Logging Application

Liam Bakar, Zachary Englhardt, Vidya Srinivas, Girish Narayanswamy, Dilini Nissanka, Shwetak Patel, Vikram Iyer

机构 * University of Washington（华盛顿大学） 纠错

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

Comments 24 pages, 15 figures

What's in Common? Multimodal Models Hallucinate When Reasoning Across Scenes

Candace Ross, Florian Bordes, Adina Williams, Polina Kirichenko, Mark Ibrahim

机构 * FAIR at Meta（Meta 的 FAIR） 纠错

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

Comments 10 pages, 6 figures. Accepted to NeurIPS Datasets & Benchmarks 2025

EMHI: A Multimodal Egocentric Human Motion Dataset with HMD and Body-Worn IMUs

Zhen Fan, Peng Dai, Zhuo Su, Xu Gao, Zheng Lv, Jiarui Zhang, Tianyuan Du, Guidong Wang, Yang Zhang

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

Enhancing Multimodal Protein Function Prediction Through Dual-Branch Dynamic Selection with Reconstructive Pre-Training

Xiaoling Luo, Peng Chen, Chengliang Liu, Xiaopeng Jin, Jie Wen, Yumeng Liu, Junsong Wang

机构 * College of Computer Science and Software Engineering, Shenzhen University（深圳大学计算机科学与软件工程学院） ； College of Applied Technology, Shenzhen University（深圳大学应用技术学院） ； Laboratory for Artificial Intelligence in Design, Hong Kong（人工智能设计实验室（香港）） ； College of Big Data and Internet, Shenzhen Technology University（深圳技术大学大数据与互联网学院） ； College of Computer Science and Technology, Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学深圳学院计算机科学与技术学院） 纠错

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

Journal ref Proceedings of the IJCAI-25, 7598--7606 (2025)

Systematic Evaluation of Preprocessing Techniques for Accurate Image Registration in Digital Pathology

Fatemehzahra Darzi, Rodrigo Escobar Diaz Guerrero, Thomas Bocklitz

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

Comments 14 pages, 7 Figures

Benchmark Designers Should "Train on the Test Set" to Expose Exploitable Non-Visual Shortcuts

Ellis Brown, Jihan Yang, Shusheng Yang, Rob Fergus, Saining Xie

机构 * New York University（纽约大学） 纠错

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

Comments Project page: https://cambrian-mllm.github.io

CardioPHON: Quality assessment and self-supervised pretraining for screening of cardiac function based on phonocardiogram recordings

Vladimir Despotovic, Peter Pocta, Andrej Zgank

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

Journal ref Biomedical Signal Processing and Control 113 (2026) 109047

Evaluating the Impact of Weather-Induced Sensor Occlusion on BEVFusion for 3D Object Detection

Sanjay Kumar, Tim Brophy, Eoin Martino Grua, Ganesh Sistu, Valentina Donzella, Ciaran Eising

机构 * Dept. of Electronic and Computer Engineering and the Data Driven Computer Engineering Research Centre, University of Limerick（电子与计算机工程系和数据驱动计算机工程研究中心，利默里克大学） ； Valeo Vision Systems（瓦莱欧视觉系统） ； Queen Mary University of London（伦敦女王大学） 纠错

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

Text2VectorSQL: Towards a Unified Interface for Vector Search and SQL Queries

Zhengren Wang, Dongwen Yao, Bozhou Li, Dongsheng Ma, Bo Li, Zhiyu Li, Feiyu Xiong, Bin Cui, Linpeng Tang, Wentao Zhang

机构 * Peking University（北京大学） ； Shanghai Jiao Tong University（上海交通大学） ； OriginHub Technology（OriginHub科技） ； Institute for Advanced Algorithms Research, Shanghai（上海先进算法研究所） ； Zhongguancun Academy（中关村学院） 纠错

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

Comments Manuscript

Will Large Language Models Transform Clinical Prediction?

Yusuf Yildiz, Goran Nenadic, Meghna Jani, David A. Jenkins

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

Comments Published: BMC Diagnostic and Prognostic Research

TIR-Bench: A Comprehensive Benchmark for Agentic Thinking-with-Images Reasoning

Ming Li, Jike Zhong, Shitian Zhao, Haoquan Zhang, Shaoheng Lin, Yuxiang Lai, Chen Wei, Konstantinos Psounis, Kaipeng Zhang

机构 * Shanghai AI Laboratory（上海人工智能实验室） ； University of Southern California（南加州大学） ； Emory University（埃默里大学） ； Chinese University of Hong Kong（香港中文大学） ； Rice University（德克萨斯大学奥斯汀分校） 纠错

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

Comments Preprint

SAFe-Copilot: Unified Shared Autonomy Framework

Phat Nguyen, Erfan Aasi, Shiva Sreeram, Guy Rosman, Andrew Silva, Sertac Karaman, Daniela Rus

机构 * MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； TRI（丰田研究机构） ； MIT LIDS（麻省理工学院领导力与决策科学实验室） 纠错

专题命中 多模态评测 ：multi-modal(abstract)

Cluster Haptic Texture Dataset: Haptic Texture Dataset with Varied Velocity-Direction Sliding Contacts

Michikuni Eguchi, Tomohiro Hayase, Yuichi Hiroi, Takefumi Hiraki

专题命中 多模态评测 ：multimodal(abstract)

Comments dataset: https://doi.org/10.6084/m9.figshare.29438288 code: https://github.com/cluster-lab/Cluster-Haptic-Texture-Dataset