多模态大模型

Reliable Brain Tumor Segmentation Based on Spiking Neural Networks with Efficient Training

基于高效训练的脉冲神经网络的可靠脑肿瘤分割

Aurora Pia Ghiardelli, Guangzhi Tang, Tao Sun

机构 * Department of Advanced Computing Sciences, Maastricht University, Maastricht, The Netherlands（先进计算科学系，马斯特里赫特大学，马斯特里赫特，荷兰） 纠错

专题命中 视频多模态 ：multimodal(abstract)；分类 cs.CV

AI总结 本文提出基于高效训练的脉冲神经网络框架，用于可靠且节能的3D脑肿瘤分割，实验显示在准确性、不确定性校准和计算成本降低方面均表现优异。

Comments Accepted at ISBI 2026

Masked Modeling for Human Motion Recovery Under Occlusions

遮蔽建模用于遮挡下的人体运动恢复

Zhiyin Qian, Siwei Zhang, Bharat Lal Bhatnagar, Federica Bogo, Siyu Tang

机构 * ETH Zürich（苏黎世联邦理工学院） ； Meta Reality Labs（Meta现实实验室） 纠错

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

AI总结 MoRo通过遮蔽建模方法，在遮挡条件下实现高效且鲁棒的人体运动恢复，结合多模态先验提升推理性能。

Comments Project page: https://mikeqzy.github.io/MoRo

LUMOS: Large User MOdels for User Behavior Prediction

LUMOS：大规模用户模型用于用户行为预测

Dhruv Nigam, Naman Agarwal, Krishna Murthy, Susmit Saha

机构 * Dream11 ； Dream Sports 纠错

专题命中 视频多模态 ：multi-modal(abstract)；分类 cs.AI

AI总结 LUMOS通过基于Transformer的架构，利用原始用户活动数据联合学习多个任务，实现用户行为预测的高效与准确，提升业务指标。