Uni-Hema: Unified Model for Digital Hematopathology
机构 * Information Technology University of Punjab（旁遮普信息科技大学） ； Chughtai Lab（楚格塔实验室）
专题命中 图文多模态 ：multimodal(abstract)；multi-modal(abstract)；分类 cs.CV
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。
1. 图文多模态 5 篇
Euclid's Gift: Enhancing Spatial Perception and Reasoning in Vision-Language Models via Geometric Surrogate Tasks
机构 * Huazhong University of Science and Technology（华中科技大学） ； Zhongguancun Academy（中关村学院） ； East China Normal University（华东师范大学） ； Zhengzhou University（郑州大学） ； Zhongguancun Institute of Artificial Intelligence（中关村人工智能研究院）
专题命中 图文多模态 ：multimodal(abstract)；分类 cs.CV、cs.CL、cs.AI
Hierarchical Semantic Tree Anchoring for CLIP-Based Class-Incremental Learning
基于CLIP的层次语义树锚定的类增量学习
机构 * School of Artificial Intelligence, Nanjing University（人工智能学院，南京大学） ； State Key Laboratory for Novel Software Technology, Nanjing University（新型软件技术国家重点实验室，南京大学）
专题命中 图文多模态 ：multi-modal(abstract)；分类 cs.CV
AI总结 HASTEN通过层次语义树锚定方法，有效解决CLIP类增量学习中的灾难性遗忘问题，提升模型对层次化类别结构的保持能力。
Multi-Text Guided Few-Shot Semantic Segmentation
多文本引导的少样本语义分割
机构 * State Key Laboratory of Electromechanical Integrated Manufacturing of High-Performance Electronic Equipments（高性能电子设备机电一体化制造国家重点实验室） ； Center for Complex Systems（复杂系统中心） ； School of Mechano-Electronic Engineering（机械电子工程学院） ； Xidian University（西安电子科技大学）
专题命中 图文多模态 ：cross-modal(abstract)；分类 cs.CV
AI总结 MTGNet通过融合多文本提示提升少样本语义分割性能，采用多文本先验细化、文本锚点特征融合和前景置信度加权注意力模块，有效增强分割鲁棒性与语义一致性。
FarSLIP: Discovering Effective CLIP Adaptation for Fine-Grained Remote Sensing Understanding
机构 * Nanjing University（南京大学） ； Technical University of Munich（慕尼黑技术大学） ； Helmholtz-Zentrum Dresden-Rossendorf（德累斯顿-罗斯托克亥姆霍兹中心）
专题命中 图文多模态 ：image-text(abstract)；分类 cs.CV
