多模态大模型

Generalizable Multimodal Large Language Model Editing via Invariant Trajectory Learning

通过不变轨迹学习实现通用的多模态大语言模型编辑

Jiajie Su, Haoyuan Wang, Xiaohua Feng, Yunshan Ma, Xiaobo Xia, Yuyuan Li, Xiaolin Zheng, Jianmao Xiao, Chaochao Chen

机构 * Zhejiang University, China（浙江大学） ； Singapore Management University, Singapore（新加坡管理学院） ； National University of Singapore, Singapore（新加坡国立大学） ； Hangzhou Dianzi University, China（杭州电子科技大学） ； Jiangxi Normal University, China（江西师范大学） 纠错

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

AI总结 本文提出ODEit框架，通过不变轨迹学习提升多模态大语言模型的编辑可靠性、局部性和泛化能力。

Nanoscale mapping of phase-transformation pathways in medium-Mn TRIP steel by multimodal STEM

中等锰TRIP钢中相变路径的纳米级映射：多模态STEM

Marc Raventós-Tato, S. Leila Panahi, Núria Bagués, David Frómeta, Oleg Usoltsev, Núria Cuadrado, Joaquín Otón

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

AI总结 本研究通过多模态STEM技术，实现了中等锰TRIP钢中相变路径的纳米级映射，结合电子衍射与能谱分析，实现了铁、奥氏体和马氏体的相分离与晶格参数细化。

Comments 16 pages, 5 figures

An Automatic Deep Learning Approach for Trailer Generation through Large Language Models

基于大语言模型的自动 trailers 生成方法

Roberto Balestri, Pasquale Cascarano, Mirko Degli Esposti, Guglielmo Pescatore

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

AI总结 本文提出基于大语言模型的自动化 trailers 生成方法，通过多模态策略提升 trailers 的视觉吸引力和叙事体验。

Comments 2024 9th International Conference on Frontiers of Signal Processing (ICFSP)

Journal ref ICFSP, Paris, France, 2024, pp. 93-100

ScribbleSense: Generative Scribble-Based Texture Editing with Intent Prediction

ScribbleSense: 基于生成的涂鸦纹理编辑与意图预测

Yudi Zhang, Yeming Geng, Lei Zhang

机构 * School of Computer Science, Beijing Institute of Technology（计算机学院，北京理工大学） 纠错

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

AI总结 ScribbleSense通过结合多模态大语言模型和图像生成模型，实现了基于生成的涂鸦纹理编辑与意图预测，提升交互式编辑性能。

Comments Accepted by IEEE TVCG. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses

Omni-View: Unlocking How Generation Facilitates Understanding in Unified 3D Model based on Multiview images

Omni-View: 通过多视角图像解锁生成如何促进理解的统一3D模型

JiaKui Hu, Shanshan Zhao, Qing-Guo Chen, Xuerui Qiu, Jialun Liu, Zhao Xu, Weihua Luo, Kaifu Zhang, Yanye Lu

机构 * Institute of Medical Technology（医学技术研究所） ； Alibaba International Digital Commerce Group（阿里巴巴国际数字商务集团） ； CASIA ； TeleAI 纠错

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

AI总结 Omni-View通过多视角图像实现3D场景的理解与生成，结合纹理和几何模块，提升3D场景建模性能。

Comments Accepted by ICLR 2026