多模态大模型

Geometric-Stochastic Multimodal Deep Learning for Predictive Modeling of SUDEP and Stroke Vulnerability

几何-随机多模态深度学习用于SUDEP和中风易感性的预测建模

Preksha Girish, Rachana Mysore, Mahanthesha U, Shrey Kumar, Misbah Fatimah Annigeri, Tanish Jain

机构 * Dept. of Artificial Intelligence & Machine Learning（人工智能与机器学习系） ； B.N.M Institute of Technology（B.N.M技术学院） ； Dept. of Computer Science Engineering（计算机科学与工程系） 纠错

专题命中 多模态生成 ：multimodal(title,abstract)；cross-modal(abstract)

AI总结 本文提出几何-随机多模态深度学习框架，通过整合多种生物信号建模SUDEP和中风易感性，提升预测准确性和可解释性生物标志物。

Comments 7 pages, 3 figures

Heavy-flavor multimodal fragmentation to $S$-wave pentacharms at next-generation hadron colliders

重味多模碎片化到下一代强子对撞机的S波五重态

Francesco Giovanni Celiberto

专题命中 多模态生成 ：multimodal(title,abstract)

AI总结 研究了在下一代强子对撞机中通过多模碎片化产生S波五重态的机制及现象学影响。

Comments 49 pages, 9 figures, 245 references, published in Eur. Phys. J. C. One novel set of multimodal (direct multicharm and diquark-like initial-scale inputs) "PentaQuarks with 5 heavy Quarks" (PQ5Q1.0) NLO collinear fragmentation functions released in LHAPDF format and publicly available from https://github.com/FGCeliberto/Collinear_FFs/

MiniGPT-5: Interleaved Vision-and-Language Generation via Generative Vokens

MiniGPT-5：通过生成性vokens实现交错的视觉-语言生成

Kaizhi Zheng, Xuehai He, Xin Eric Wang

机构 * University of California, Santa Cruz（加州大学圣克鲁兹分校） ； University of California, Santa Barbara（加州大学圣芭芭拉分校） 纠错

专题命中 多模态生成 ：multimodal(abstract)；image-text(abstract)；分类 cs.CV、cs.AI

AI总结 MiniGPT-5通过生成性vokens实现交错的视觉-语言生成，显著提升多模态生成任务的性能。

UniLayDiff: A Unified Diffusion Transformer for Content-Aware Layout Generation

UniLayDiff: 一种统一的扩散变换器用于内容感知的布局生成

Zeyang Liu, Le Wang, Sanping Zhou, Yuxuan Wu, Xiaolong Sun, Gang Hua, Haoxiang Li

机构 * College of Artificial Intelligence, Xi’an Jiaotong University（西安交通大学人工智能学院） ； Amazon.com, Inc.（亚马逊公司） ； Pixocial Technology（Pixocial技术） 纠错

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

AI总结 UniLayDiff通过统一的扩散变换器框架，首次实现了内容感知布局生成任务的端到端统一生成，提升了布局质量和生成性能。

PaintFlow: A Unified Framework for Interactive Oil Paintings Editing and Generation

PaintFlow：一种用于交互式油画创作与生成的统一框架

Zhangli Hu, Ye Chen, Jiajun Yao, Bingbing Ni

机构 * Zhangli Hu, Ye Chen, Jiajun Yao, Bingbing Ni（张立虎、陈叶、姚佳君、倪炳炳） 纠错

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

AI总结 PaintFlow提出了一种统一框架，通过多模态输入实现交互式油画创作与编辑，利用空间对齐、语义增强和自监督风格迁移技术，提升油画生成与编辑的风格一致性与艺术表现力。

Comments 14 pages

OCCDiff: Occupancy Diffusion Model for High-Fidelity 3D Building Reconstruction from Noisy Point Clouds

OCCDiff：基于点云的高保真3D建筑重建的占用扩散模型

Jialu Sui, Rui Liu, Hongsheng Zhang

机构 * Department of Geography, Faculty of Social Science, the University of Hong Kong（地理系，社会科学学院，香港大学） 纠错

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

AI总结 OCCDiff通过潜在扩散和函数自动编码器生成高保真3D建筑重建，结合点编码器与多任务训练提升鲁棒性与精度。

Language Models for Controllable DNA Sequence Design

用于可控DNA序列设计的语言模型

Xingyu Su, Xiner Li, Yuchao Lin, Ziqian Xie, Degui Zhi, Shuiwang Ji

机构 * Texas A&M University（德克萨斯大学） ； University of Texas Health Science Center at Houston（德克萨斯大学健康科学中心（休斯顿）） 纠错

专题命中 多模态生成 ：cross-modal(abstract)；分类 cs.AI

AI总结 ATGC-Gen是一种用于可控DNA序列设计的语言模型，通过跨模态编码整合生物信号，提升序列生成的可控性和生物相关性。