多模态大模型

Pioneering Multimodal Emotion Recognition in the Era of Large Models: From Closed Sets to Open Vocabularies

开创性多模态情感识别在大模型时代的探索：从封闭集到开放词汇

Jing Han, Zhiqiang Gao, Shihao Gao, Jialing Liu, Hongyu Chen, Zixing Zhang, Björn W. Schuller

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

AI总结 本文首次系统评估了多模态大语言模型在开放词汇情感识别中的表现，发现两阶段三模态融合方法效果最佳，视频模态最为关键，同时揭示开放与封闭源LLM性能差距较小。

Beyond Memorization: A Multi-Modal Ordinal Regression Benchmark to Expose Popularity Bias in Vision-Language Models

超越记忆：一个多模态序回归基准以揭示视觉-语言模型中的流行偏差

Li-Zhong Szu-Tu, Ting-Lin Wu, Chia-Jui Chang, He Syu, Yu-Lun Liu

机构 * National Yang Ming Chiao Tung University 纠错

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

AI总结 本研究提出一个多模态序回归基准，揭示视觉-语言模型在流行度上的偏差，通过YearGuessr数据集验证模型在记忆化与未识别对象上的表现差异。

Comments Project page: https://sytwu.github.io/BeyondMemo/

Foundation Model-based Evaluation of Neuropsychiatric Disorders: A Lifespan-Inclusive, Multi-Modal, and Multi-Lingual Study

基于基础模型的神经精神障碍评估：一项涵盖全生命周期、多模态和多语言的研究

Zhongren Dong, Haotian Guo, Weixiang Xu, Huan Zhao, Zixing Zhang

机构 * College of Computer Science and Electronic Engineering, Hunan University（湖南大学计算机科学与电子工程学院） ； Shenzhen Research Institute, Hunan University（湖南大学深圳研究院） ； Ministry of Education Key Laboratory of Fusion Computing of Supercomputing and Artificial Intelligence, Hunan University（湖南大学教育部长春计算机与人工智能融合计算重点实验室） 纠错

专题命中 多模态评测 ：multi-modal(title,abstract)；分类 cs.CL

AI总结 FEND提出一种多模态框架，利用多语言数据集评估神经精神障碍，揭示多模态融合在不同障碍检测中的性能差异及影响因素。

Let Androids Dream of Electric Sheep: A Human-Inspired Image Implication Understanding and Reasoning Framework

让安卓梦见电羊：一种受人类启发的图像隐喻理解和推理框架

Chenhao Zhang, Yazhe Niu

机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Huazhong University of Science and Technology（华中科技大学） ； The Chinese University of Hong Kong（香港中文大学） 纠错

专题命中 多模态评测 ：multimodal(abstract)；分类 cs.CV、cs.AI

AI总结 本研究提出LAD框架，通过三阶段方法解决图像隐喻理解问题，在多个基准测试中取得优异成绩，推动视觉语言推理和人机交互发展。

Comments 19 pages, 9 figures, 7 tables. Code & Dataset: https://github.com/MING-ZCH/Let-Androids-Dream-of-Electric-Sheep

Human Motion Estimation with Everyday Wearables

使用日常可穿戴设备的人体运动估计

Siqi Zhu, Yixuan Li, Junfu Li, Qi Wu, Zan Wang, Haozhe Ma, Wei Liang

机构 * Beijing Institute of Technology（北京理工大学） ； Yangtze Delta Region Academy of Beijing Institute of Technology（北京理工大学长江三角洲地区学院） ； Shenzhen MSU-BIT University（深圳MSU-BIT大学） 纠错

专题命中 多模态评测 ：multimodal(abstract)；分类 cs.CV

AI总结 本文提出EveryWear，利用日常可穿戴设备实现轻量级人体运动估计，通过真实世界数据训练消除仿真到现实的差距，验证了其在实际应用中的有效性。

ORCA: Object Recognition and Comprehension for Archiving Marine Species

ORCA：面向档案化海洋物种的对象识别与理解

Yuk-Kwan Wong, Haixin Liang, Zeyu Ma, Yiwei Chen, Ziqiang Zheng, Rinaldi Gotama, Pascal Sebastian, Lauren D. Sparks, Sai-Kit Yeung

机构 * Hong Kong University of Science and Technology（香港科技大学） ； University of Electronic Science and Technology of China（电子科学与技术大学） ； Indo Ocean Foundation Project（印度洋基金会项目） 纠错

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

AI总结 ORCA提出一个多模态基准数据集，用于提升海洋物种识别与理解的研究水平，通过细粒度视觉和文本注释推动领域内方法学进展。

Comments Accepted by The IEEE/CVF Winter Conference on Applications of Computer Vision (WACV), 2026

Reasoning-Driven Amodal Completion: Collaborative Agents and Perceptual Evaluation

基于推理的无遮挡完成：协作代理与感知评估

Hongxing Fan, Shuyu Zhao, Jiayang Ao, Lu Sheng

机构 * School of Computer Science and Engineering, Beihang University（计算机科学与工程学院，北京航空航天大学） ； School of Software, Beihang University（软件学院，北京航空航天大学） ； School of Computing and Information Systems, The University of Melbourne（计算与信息系统学院，墨尔本大学） 纠错

专题命中 多模态评测 ：MLLM(abstract)；分类 cs.CV

AI总结 本文提出一种协作多代理推理框架，通过解耦语义规划与视觉合成，提升无遮挡完成任务的语义一致性和结构完整性。

Towards Autonomous Navigation in Endovascular Interventions

向内窥血管介入领域自主导航迈进

Tudor Jianu

机构 * University of Liverpool（利兹大学） ； Caranx Medical, Research and Development（Caranx医疗研发） 纠错

专题命中 多模态评测 ：multimodal(abstract)

AI总结 本研究提出AI驱动框架，通过高保真模拟和多模态传感融合提升内窥血管导航的自主性和精度，推动微创手术的发展。