多模态大模型

跨文本、图像、视频、音频等模态的大模型与学习方法。

2026-02-16 至 2026-02-16 共收录 1 篇信号源：cs.CV, cs.CL, cs.AI, cs.MM, eess.AS

1. 多模态Agent 1 篇

2602.12565 2026-02-16 cs.HC 50%

GatheringSense: 基于人工智能生成影像与具身体验的文人聚会理解

You Zhou, Bingyuan Wang, Hongcheng Guo, Rui Cao, Zeyu Wang

专题命中多模态Agent ：multimodal(abstract)

AI总结 GatheringSense通过AI生成影像与具身体验相结合，探索文人聚会的文化理解与共鸣，提出双路径框架并提供设计启示。

↑