多模态大模型

Leveraging Foundational Models and Simple Fusion for Multi-modal Physiological Signal Analysis

利用基础模型和简单融合进行多模态生理信号分析

Youssef Ghallab, Omar Iraqy, Mohamed Kandil, Mohamed Ashraf, Saadeldine Eletter, Morougue Ghazal, Ayman Khalafallah, Nagwa El-Makky

机构 * Computer and Communication Engineering Department, Alexandria University（亚历山大大学计算机与通信工程系） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） 纠错

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

AI总结 本文提出利用基础模型和简单融合方法，通过双掩码策略和对称编码器提升多模态生理信号分析的性能，实现情绪识别的高精度结果。

Comments Published at NeurIPS 2025 Workshop on Foundation Models for the Brain and Body

Enhancing Alzheimer's Detection through Late Fusion of Multi-Modal EEG Features

通过多模态EEG特征晚融合增强阿尔茨海默病检测

Nguyen Thanh Vinh, Manoj Vishwanath, Thinh Nguyen-Quang, Nguyen Viet Ha, Bui Thanh Tung, Huy-Dung Han, Nguyen Quang Linh, Nguyen Hai Linh, Hung Cao

专题命中 多模态训练与对齐 ：multi-modal(title)

AI总结 本研究提出一种基于多模态EEG特征晚融合的深度学习框架，用于提高阿尔茨海默病的早期检测准确率。

SepsisSuite: Beyond Risk Stratification -- A Comparative Analysis of Deep Fusion vs. Expert Stacking for Prescriptive Sepsis AI

SepsisSuite: 超越风险分层 -- 深度融合与专家堆叠的比较分析用于处方性脓毒症AI

Ryan Cartularo

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

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

AI总结 SepsisSuite通过深度融合与专家堆叠对比，提出SepsisLateFusion架构，实现预测临床发作前4小时的AUC 0.915，并提升抗生素选择性能。

Comments 7 Pages, 4 Tables, 9 Figures

Cloud Security Leveraging AI: A Fusion-Based AISOC for Malware and Log Behaviour Detection

基于AI的云安全：一种融合式AISOC用于恶意软件和日志行为检测

Nnamdi Philip Okonkwo, Lubna Luxmi Dhirani

机构 * Department of Electronic and Computer Engineering（电子与计算机工程系） ； University of Limerick（利默里克大学） 纠错

专题命中 多模态训练与对齐 ：multi-modal(abstract)

AI总结 本文提出了一种基于AI的融合式AISOC，通过融合恶意软件检测和日志异常检测结果，提升云安全操作中心在受限制环境下的威胁检测能力。

Multi-Modal Semantic Communication

多模态语义通信

Matin Mortaheb, Erciyes Karakaya, Sennur Ulukus

机构 * Department of Electrical and Computer Engineering（电气与计算机工程系） ； University of Maryland College Park（马里兰大学学院市分校） 纠错

专题命中 其他多模态 ：multi-modal(title,abstract)；cross-modal(abstract)

AI总结 本文提出多模态语义通信框架，通过融合文本查询与视觉特征，实现复杂场景下的高效信息传输与任务关键信息保留。

Natural Variational Annealing for Multimodal Optimization

自然变分退火用于多模态优化

Tâm LeMinh, Julyan Arbel, Thomas Möllenhoff, Mohammad Emtiyaz Khan, Florence Forbes

机构 * Univ. Grenoble Alpes, Inria, CNRS, Grenoble INP, LJK（格勒诺布尔阿尔卑斯大学、法国国家信息与自动化研究所、法国国家科学研究中心、格勒诺布尔INP、LJK） 纠错

专题命中 其他多模态 ：multimodal(title,abstract)

AI总结 自然变分退火通过结合变分后验、退火和自然梯度学习，实现多模态优化，提升搜索质量和应用范围。

Bidirectional predictive coding

双向预测编码

Gaspard Oliviers, Mufeng Tang, Rafal Bogacz

机构 * MRC Brain Network Dynamics Unit, University of Oxford, UK（英国牛津大学MRC脑网络动力学单位） 纠错

专题命中 其他多模态 ：multimodal(abstract)；分类 cs.AI

AI总结 本文提出双向预测编码模型，结合生成与判别推理，通过能量景观优化，在生成和判别任务中表现优异，适用于多模态学习与信息缺失推理。

Autonomous Source Knowledge Selection in Multi-Domain Adaptation

多领域适应中的自主源知识选择

Keqiuyin Li, Jie Lu, Hua Zuo, Guangquan Zhang

机构 * Australian Artificial Intelligence Institute（澳大利亚人工智能研究所） ； University of Technology Sydney（悉尼技术大学） 纠错

专题命中 其他多模态 ：multimodal(abstract)；分类 cs.AI

AI总结 本文提出AutoS方法，通过自主选择源知识提升多领域适应性能，减少冗余信息影响，提高迁移学习效果。