多模态大模型

OmniVaT: Single Domain Generalization for Multimodal Visual-Tactile Learning

OmniVaT：单域泛化用于多模态视觉-触觉学习

Liuxiang Qiu, Hui Da, Yuzhen Niu, Tiesong Zhao, Yang Cao, Zheng-Jun Zha

机构 * Fujian Key Laboratory for Intelligent Processing and Wireless Transmission of Media Information（福建智能媒体信息处理与无线传输重点实验室） ； College of Physics and Information Engineering（物理与信息工程学院） ； Fuzhou University（福州市大学） ； College of Computer and Data Science（计算机与数据科学学院） ； MoE Key Laboratory of Brain-inspired Intelligent Perception and Cognition（MoE脑启发智能感知与认知重点实验室） ； University of Science and Technology of China（中国科学技术大学） 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 OmniVaT通过多模态分数傅里叶适配器和离散树生成模块，首次实现单域泛化多模态视觉-触觉学习任务，提升跨领域适应性与泛化性能。

Wave2Word: A Multimodal Transformer Framework for Joint EEG-Text Alignment and Multi-Task Representation Learning in Neurocritical Care

Wave2Word: 一种多模态Transformer框架，用于神经重症监护中的联合EEG-文本对齐和多任务表示学习

Argha Kamal Samanta, Deepak Mewada, Monalisa Sarma, Debasis Samanta

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

AI总结 Wave2Word提出一种多模态Transformer框架，通过整合信号域建模与结构化临床语言监督，实现EEG-文本对齐和多任务表示学习，提升神经重症监护中的EEG分析效果。

UKAN-EP: Enhancing U-KAN with Efficient Attention and Pyramid Aggregation for 3D Multi-Modal MRI Brain Tumor Segmentation

UKAN-EP: 通过高效的注意力和金字塔聚合增强U-KAN以实现3D多模态MRI脑肿瘤分割

Yanbing Chen, Tianze Tang, Taehyo Kim, Hai Shu

机构 * Department of Biostatistics, School of Global Public Health, New York University（生物统计学系，全球公共卫生学院，纽约大学） 纠错

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

AI总结 UKAN-EP通过引入高效的通道注意力和金字塔特征聚合模块，提升3D多模态MRI脑肿瘤分割的准确性和效率。

Journal ref BMC Medical Imaging, Volume 25, article number 517, (2025)