多模态大模型

A Multimodal Transformer Approach for UAV Detection and Aerial Object Recognition Using Radar, Audio, and Video Data

Mauro Larrat, Claudomiro Sales

机构 * Institute of Exact and Natural Sciences（精确与自然科学研究所） ； Federal University of Pará（巴西亚马逊联邦大学） 纠错

专题命中 音频语音多模态 ：multimodal(title,abstract)；分类 cs.CV

Comments 23 pages, 7 figures

Image-Seeking Intent Prediction for Cross-Device Product Search

Mariya Hendriksen, Svitlana Vakulenko, Jordan Massiah, Gabriella Kazai, Emine Yilmaz

机构 * University of Oxford（牛津大学） ； Vienna University of Economics and Business（维也纳经济与商业大学） ； Amazon（亚马逊公司） 纠错

专题命中 音频语音多模态 ：multimodal(abstract)；分类 cs.AI

Comments Oral at RecSys Gen AI for E-commerce 2025