多模态大模型

DashFusion: Dual-stream Alignment with Hierarchical Bottleneck Fusion for Multimodal Sentiment Analysis

DashFusion: 基于分层瓶颈融合的双流对齐多模态情感分析

Yuhua Wen, Qifei Li, Yingying Zhou, Yingming Gao, Zhengqi Wen, Jianhua Tao, Ya Li

机构 * School of Artificial Intelligence, Beijing University of Posts and Telecommunications（北京邮电大学人工智能学院） ； Beijing National Research Center for Information Science and Technology, Tsinghua University（清华大学信息科学与技术国家研究中心） ； Department of Automation, Tsinghua University（清华大学自动化系） 纠错

专题命中 多模态训练与对齐 ：multimodal(title,abstract)；cross-modal(abstract)；分类 cs.CV

AI总结 DashFusion通过双流对齐与分层瓶颈融合技术，提升多模态情感分析的性能与效率。

Comments Accepted to IEEE Transactions on Neural Networks and Learning Systems (TNNLS), 2025

Language-Instructed Reasoning for Group Activity Detection via Multimodal Large Language Model

基于多模态大语言模型的语言引导推理用于群体活动检测

Jihua Peng, Qianxiong Xu, Yichen Liu, Chenxi Liu, Cheng Long, Rui Zhao, Ziyue Li

专题命中 多模态训练与对齐 ：multimodal(title,abstract)；MLLM(abstract)；分类 cs.CV

AI总结 本文提出LIR-GAD框架，通过多模态大语言模型实现群体活动检测，引入活动标记和群体标记以提升语义理解和分类性能。

Comments This work is being incorporated into a larger study

UniFS: Unified Multi-Contrast MRI Reconstruction via Frequency-Spatial Fusion

UniFS: 通过频率-空间融合实现统一的多对比MRI重建

Jialin Li, Yiwei Ren, Kai Pan, Dong Wei, Pujin Cheng, Xian Wu, Xiaoying Tang

机构 * Department of Electronic and Electrical Engineering, Southern University of Science and Technology, Shenzhen, China（电子与电气工程系，南方科技大学，深圳，中国） ； Jarvis Research Center, Tencent YouTu Lab, China（Jarvis研究中心，腾讯YouTu实验室，中国） ； Department of Electrical and Electronic Engineering, University of Hong Kong, Hong Kong, China（电子与电气工程系，香港大学，香港，中国） 纠错

专题命中 多模态训练与对齐 ：cross-modal(abstract)；分类 cs.CV、cs.AI

AI总结 UniFS通过频率-空间融合模块实现多对比MRI重建的统一处理，提升模型泛化能力，适用于多种k空间欠采样模式。

Learning High-Fidelity Cloth Animation via Skinning-Free Image Transfer

通过无骨骼绑定图像传输学习高保真布料动画

Rong Wang, Wei Mao, Changsheng Lu, Hongdong Li

机构 * The Australian National University（澳大利亚国立大学） 纠错

专题命中 多模态训练与对齐 ：multimodal(abstract)；分类 cs.CV

AI总结 本研究提出无骨骼绑定图像传输方法，通过独立估计顶点位置和法线以生成高保真布料动画，提升动画质量和细节恢复能力。

Comments Accepted to 3DV 2026

Multi-Modal Data-Efficient 3D Scene Understanding for Autonomous Driving

多模态数据高效3D场景理解用于自动驾驶

Lingdong Kong, Xiang Xu, Jiawei Ren, Wenwei Zhang, Liang Pan, Kai Chen, Wei Tsang Ooi, Ziwei Liu

机构 * WorldBench Team Project Lead（WorldBench团队项目负责人） 纠错

专题命中 其他多模态 ：multi-modal(title,abstract)；分类 cs.CV

AI总结 LaserMix++通过多模态方法提升自动驾驶中LiDAR数据高效3D场景理解，以更少标注实现更高精度。

Comments IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI)

Convergence of a Sequential Monte Carlo algorithm towards multimodal distributions on Rd

序列蒙特卡洛算法向多模分布收敛性研究

Ruiyu Han

专题命中 其他多模态 ：multimodal(title)

AI总结 本文提出了一种序列蒙特卡洛算法，用于在R^d上从多模分布中高效采样，并证明了其时间复杂度与逆温度的七次方及误差平方成正比。

Comments related to previous work arXiv:2508.02763

SpecTra: Enhancing the Code Translation Ability of Language Models by Generating Multi-Modal Specifications

SpecTra: 通过生成多模态规范提升语言模型的代码翻译能力

Vikram Nitin, Rahul Krishna, Baishakhi Ray

专题命中 其他多模态 ：multi-modal(title)

AI总结 SpecTra通过生成多模态规范提升LLM的代码翻译能力，实现高达46%的性能提升。

Machine and Deep Learning Regression for Compact Object Equations of State

机器学习和深度学习回归用于紧凑天体物态方程

I. Stergakis, Th. Diakonidis, Ch. C. Moustakidis

专题命中 其他多模态 ：multimodal(abstract)

AI总结 本文利用机器学习和深度学习技术分析致密天体质量半径关系，旨在重建其物态方程，以提供对超核密度下物质行为的深入理解。

Comments 15 pages, 14 figures. Any comments are welcome

Investigating Unusually Extended Main Sequence Turnoff of the Galactic Open Cluster NGC 3532

研究银河开放星团NGC 3532中异常延长的主序转折点

Khushboo K Rao, Wen-Ping Chen

专题命中 其他多模态 ：multi-modal(abstract)

AI总结 研究NGC 3532中异常延长的主序转折点，发现快速自转恒星和双星可能影响转折点分布。

Comments Accepted for publication