VLA / 视觉-语言-动作模型

Learning Multi-Branch Cooperation for Enhanced Click-Through Rate Prediction at Taobao

Xu Chen, Zida Cheng, Yuangang Pan, Shuai Xiao, Xiaoming Liu, Jinsong Lan, Xiaoyong Zhu, Bo Zheng, Ivor W. Tsang

机构 * Alibaba Group（阿里巴巴集团） ； Xi'an Jiao Tong University（西安交通大学） 纠错

专题命中 VLA模型 ：action model(abstract)；分类 cs.AI

Comments 14 pages

Learning surrogate equations for the analysis of an agent-based cancer model

Kevin Burrage, Pamela M. Burrage, Justin N. Kreikemeyer, Adelinde M. Uhrmacher, Hasitha N. Weerasinghe

专题命中 VLA模型 ：action model(abstract)；分类 cs.LG

Comments 13 pages, 7 figures; This version is identical to the one published at Frontiers

Journal ref Front. Appl. Math. Stat. Volume 11 (2025)

ComPtr: Towards Diverse Bi-source Dense Prediction Tasks via A Simple yet General Complementary Transformer

Youwei Pang, Xiaoqi Zhao, Lihe Zhang, Huchuan Lu

机构 * Dalian University of Technology（大连理工大学） 纠错

专题命中 VLA模型 ：action model(abstract)；分类 cs.CV

Optimal Robotic Velcro Peeling with Force Feedback

Jiacheng Yuan, Changhyun Choi, Volkan Isler

机构 * Department of Electrical and Computer Engineering, University of Minnesota（电气与计算机工程系，明尼苏达大学） ； Department of Computer Science and Engineering, University of Minnesota（计算机科学与工程系，明尼苏达大学） 纠错

专题命中 VLA模型 ：action model(abstract)；分类 cs.RO

Towards Large-Scale Pose-Invariant Face Recognition Using Face Defrontalization

Patrik Mesec, Alan Jović

机构 * University of Zagreb Faculty of Electrical Engineering and Computing（Zagreb大学电子工程与计算学院） 纠错

专题命中 VLA模型 ：action model(abstract)；分类 cs.CV

Comments 13 pages, 5 figures, 4 tables

OmniCharacter: Towards Immersive Role-Playing Agents with Seamless Speech-Language Personality Interaction

Haonan Zhang, Run Luo, Xiong Liu, Yuchuan Wu, Ting-En Lin, Pengpeng Zeng, Qiang Qu, Feiteng Fang, Min Yang, Lianli Gao, Jingkuan Song, Fei Huang, Yongbin Li

机构 * Tongji University（同济大学） ； Tongyi Laboratory（通义实验室） ； University of Chinese Academy of Sciences（中国科学院大学） ； Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究所） 纠错

专题命中 VLA模型 ：action model(abstract)；分类 cs.CV

Comments 14 pages, 6 figures

Probabilistic Factorial Experimental Design for Combinatorial Interventions

Divya Shyamal, Jiaqi Zhang, Caroline Uhler

专题命中 VLA模型 ：action model(abstract)；分类 cs.LG

HuMoCon: Concept Discovery for Human Motion Understanding

Qihang Fang, Chengcheng Tang, Bugra Tekin, Shugao Ma, Yanchao Yang

机构 * The University of Hong Kong（香港大学） ； Meta 纠错

专题命中 VLA模型 ：action model(abstract)；分类 cs.CV

Comments 18 pages, 10 figures

Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR 2025)

Towards a Working Definition of Designing Generative User Interfaces

Kyungho Lee

机构 * Expressive Computing Lab. Department of Design, UNIST（表达计算实验室，设计系，UNIST） 纠错

专题命中 VLA模型 ：action model(abstract)；分类 cs.AI

Multi-task CNN Behavioral Embedding Model For Transaction Fraud Detection

Bo Qu, Zhurong Wang, Minghao Gu, Daisuke Yagi, Yang Zhao, Yinan Shan, Frank Zahradnik

机构 * eBay, Decision Sciences（eBay决策科学） ； eBay, Risk Engineering（eBay风险工程） 纠错

专题命中 VLA模型 ：action model(abstract)；分类 cs.LG

Comments 7 pages, 2 figures, ICDMW 2024

Interim Report on Human-Guided Adaptive Hyperparameter Optimization with Multi-Fidelity Sprints

Michael Kamfonas

专题命中 VLA模型 ：action model(abstract)；分类 cs.LG

CLTP: Contrastive Language-Tactile Pre-training for 3D Contact Geometry Understanding

Wenxuan Ma, Xiaoge Cao, Yixiang Zhang, Chaofan Zhang, Shaobo Yang, Peng Hao, Bin Fang, Yinghao Cai, Shaowei Cui, Shuo Wang

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Beihang University（北航） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Samsung Research China（三星中国研究院） 纠错

专题命中 VLA模型 ：action model(abstract)；分类 cs.RO

Comments 16 pages

Building-Guided Pseudo-Label Learning for Cross-Modal Building Damage Mapping

Jiepan Li, He Huang, Yu Sheng, Yujun Guo, Wei He

机构 * Wuhan University（武汉大学） 纠错

专题命中 VLA模型 ：action model(abstract)；分类 cs.CV

Enhancing Virtual Try-On with Synthetic Pairs and Error-Aware Noise Scheduling

Nannan Li, Kevin J. Shih, Bryan A. Plummer

机构 * Boston University（波士顿大学） ； NVIDIA（英伟达） 纠错

专题命中 VLA模型 ：action model(abstract)；分类 cs.CV

Comments Accepted in CVPR 2025

DexFlow: A Unified Approach for Dexterous Hand Pose Retargeting and Interaction

Xiaoyi Lin, Kunpeng Yao, Lixin Xu, Xueqiang Wang, Xuetao Li, Yuchen Wang, Miao Li

机构 * Institute of Computer Science, Wuhan University, Hubei, China（武汉大学计算机科学学院，湖北，中国） ； Department of Mechanical Engineering, Massachusetts Institute of Technology（麻省理工学院机械工程系） ； Department of Electrical and Computer Engineering, Georgia Institute of Technology（佐治亚理工学院电气与计算机工程系） ； Institute of Technological Sciences of Wuhan University, Wuhan, Hubei Province, China（武汉大学技术科学研究院，武汉，湖北省，中国） 纠错

专题命中 VLA模型 ：action model(abstract)；分类 cs.RO

MeDSLIP: Medical Dual-Stream Language-Image Pre-training with Pathology-Anatomy Semantic Alignment

Wenrui Fan, Mohammod N. I. Suvon, Shuo Zhou, Xianyuan Liu, Samer Alabed, Venet Osmani, Andrew J. Swift, Chen Chen, Haiping Lu

机构 * Centre for Machine Intelligence and School of Computer Science, University of Sheffield（智能中心和计算机科学学院，谢菲尔德大学） ； School of Medicine and Population Health, and INSIGNEO, Institute for in Silico Medicine, University of Sheffield（医学与人口健康学院，INSIGNEO，虚拟医学研究所，谢菲尔德大学） ； Digital Environment Research Institute, Queen Mary University of London（数字环境研究所，伦敦大学玛丽女王学院） ； School of Computer Science, University of Sheffield（计算机科学学院，谢菲尔德大学） ； Department of Computing, Imperial College London（计算系，伦敦帝国学院） 纠错

专题命中 VLA模型 ：action model(abstract)；分类 cs.CV

FGSGT: Saliency-Guided Siamese Network Tracker Based on Key Fine-Grained Feature Information for Thermal Infrared Target Tracking

Ruoyan Xiong, Huanbin Zhang, Shentao Wang, Hui He, Yuke Hou, Yue Zhang, Yujie Cui, Huipan Guan, Shang Zhang

专题命中 VLA模型 ：action model(abstract)；分类 cs.CV

ColorVein: Colorful Cancelable Vein Biometrics

Yifan Wang, Jie Gui, Xinli Shi, Linqing Gui, Yuan Yan Tang, James Tin-Yau Kwok

机构 * School of Cyber Science and Engineering, Southeast University（东南大学计算机科学与工程学院） ； Engineering Research Center of Blockchain Application, Supervision and Management (Southeast University), Ministry of Education（教育部区块链应用监督与管理工程研究中心（东南大学）） ； Purple Mountain Laboratories（紫金山实验室） ； College of Computer, Nanjing University of Posts and Telecommunications（南京邮电大学计算机学院） ； Department of Computer and Information Science, University of Macao（澳门大学计算机与信息科学系） ； Department of Computer Science and Engineering, The Hong Kong University of Science and Technology（香港科学与技术大学计算机科学与工程系） 纠错

专题命中 VLA模型 ：action model(abstract)；分类 cs.CV

Enhanced Semantic Extraction and Guidance for UGC Image Super Resolution

Yiwen Wang, Ying Liang, Yuxuan Zhang, Xinning Chai, Zhengxue Cheng, Yingsheng Qin, Yucai Yang, Rong Xie, Li Song

机构 * Shanghai Jiao Tong University（上海交通大学） ； Transsion（传音控股） 纠错

专题命中 VLA模型 ：action model(abstract)；分类 cs.CV

A Lightweight Moment Retrieval System with Global Re-Ranking and Robust Adaptive Bidirectional Temporal Search

Tinh-Anh Nguyen-Nhu, Huu-Loc Tran, Nguyen-Khang Le, Minh-Nhat Nguyen, Tien-Huy Nguyen, Hoang-Long Nguyen-Huu, Huu-Phong Phan-Nguyen, Huy-Thach Pham, Quan Nguyen, Hoang M. Le, Quang-Vinh Dinh

机构 * Ho Chi Minh University of Technology, VNU-HCM（胡志明市技术大学（胡志明市国家大学）） ； University of Information Technology, VNU-HCM（信息科技大学（胡志明市国家大学）） ； Ho Chi Minh University of Science, VNU-HCM（胡志明市科学大学（胡志明市国家大学）） ； University of Economics Ho Chi Minh City（胡志明市经济大学） ； Georgia State University（佐治亚州立大学） ； Posts and Telecommunications Institute of Technology, Hanoi（河内邮电技术学院） ； York University（约克大学） ； AI VIETNAM Lab（越南人工智能实验室） 纠错

专题命中 VLA模型 ：action model(abstract)；分类 cs.CV

Generative Regression Based Watch Time Prediction for Short-Video Recommendation

Hongxu Ma, Kai Tian, Tao Zhang, Xuefeng Zhang, Han Zhou, Chunjie Chen, Han Li, Jihong Guan, Shuigeng Zhou

机构 * Fudan University（复旦大学） ； KuaiShou Technology（快手科技） ； Shanghai University of Finance and Economics（上海财经大学） ； Tongji University（同济大学） 纠错

专题命中 VLA模型 ：action model(abstract)；分类 cs.LG

Comments 10 pages, 5 figures, conference or other essential info

AI, Help Me Think$\unicode{x2014}$but for Myself: Assisting People in Complex Decision-Making by Providing Different Kinds of Cognitive Support

Leon Reicherts, Zelun Tony Zhang, Elisabeth von Oswald, Yuanting Liu, Yvonne Rogers, Mariam Hassib

机构 * Microsoft Research Cambridge（微软研究院剑桥分部） ； University College London（伦敦大学学院） ； fortiss GmbH, Research Institute of the Free State of Bavaria（巴伐利亚自由州fortiss GmbH研究机构） ； LMU Munich（慕尼黑大学） ； Politecnico di Milano（米兰理工大学） 纠错

专题命中 VLA模型 ：action model(abstract)；分类 cs.AI

Comments To be published at ACM CHI 2025 Conference on Human Factors in Computing Systems

InteractVLM: 3D Interaction Reasoning from 2D Foundational Models

Sai Kumar Dwivedi, Dimitrije Antić, Shashank Tripathi, Omid Taheri, Cordelia Schmid, Michael J. Black, Dimitrios Tzionas

机构 * Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； University of Amsterdam (UvA)（阿姆斯特丹大学） ； Inria（法国国家信息与自动化研究所） ； École normale supérieure（巴黎高等师范学院） ； CNRS（法国国家科学研究中心） ； PSL Research University（巴黎文理研究大学） 纠错

专题命中 VLA模型 ：action model(abstract)；分类 cs.CV

Comments CVPR 2025

Content-Distortion High-Order Interaction for Blind Image Quality Assessment

Shuai Liu, Qingyu Mao, Chao Li, Jiacong Chen, Fanyang Meng, Yonghong Tian, Yongsheng Liang

机构 * College of Applied Technology, Shenzhen University（深圳大学应用技术学院） ； College of Big Data and Internet, Shenzhen Technology University（深圳技术大学大数据与互联网学院） ； College of Electronic and Information Engineering, Shenzhen University（深圳大学电子与信息工程学院） ； School of Electronics and Information Engineering, Harbin Institute of Technology（哈尔滨工业大学电子与信息工程学院） ； Peng Cheng Laboratory（鹏城实验室） 纠错

专题命中 VLA模型 ：action model(abstract)；分类 cs.CV

Comments 19 pages (main text: 14 pages + appendix: 5 pages), 9 figures, 23 tables. In submission

Bottom-Up Scattering Information Perception Network for SAR target recognition

Chenxi Zhao, Daochang Wang, Siqian Zhang, Gangyao Kuang

机构 * National University of Defense Technology（国防科技大学） 纠错

专题命中 VLA模型 ：action model(abstract)；分类 cs.CV

StreamChat: Chatting with Streaming Video

Jihao Liu, Zhiding Yu, Shiyi Lan, Shihao Wang, Rongyao Fang, Jan Kautz, Hongsheng Li, Jose M. Alvare

机构 * CUHK MMLab（香港中文大学多媒体实验室） ； NVIDIA（英伟达公司） ； Shanghai AI Laboratory（上海人工智能实验室） ； The Hong Kong Polytechnic University（香港理工大学） 纠错

专题命中 VLA模型 ：action model(abstract)；分类 cs.CV

Design of an Expression Recognition Solution Based on the Global Channel-Spatial Attention Mechanism and Proportional Criterion Fusion

Jun Yu, Yang Zheng, Lei Wang, Yongqi Wang, Shengfan Xu

机构 * University of Science and Technology of China（中国科学技术大学） ； Macau University of Science and Technology（澳门科技大学） 纠错

专题命中 VLA模型 ：action model(abstract)；分类 cs.CV

Accurate, transferable, and verifiable machine-learned interatomic potentials for layered materials

Johnathan D. Georgaras, Akash Ramdas, Chung Hsuan Shan, Elena Halsted, Berwyn, Tianshu Li, Felipe H. da Jornada

机构 * Stanford University（斯坦福大学） 纠错

专题命中 VLA模型 ：action model(abstract)；分类 cs.LG

Comments 10 pages, 5 figures

Investigating the effect of CPT in lateral spreading prediction using Explainable AI

Cheng-Hsi Hsiao, Ellen Rathje, Krishna Kumar

专题命中 VLA模型 ：action model(abstract)；分类 cs.LG

Enhanced Multi-Tuple Extraction for Alloys: Integrating Pointer Networks and Augmented Attention

Mengzhe Hei, Zhouran Zhang, Qingbao Liu, Yan Pan, Xiang Zhao, Yongqian Peng, Yicong Ye, Xin Zhang, Shuxin Bai

机构 * National University of Defense Technology（国防科技大学） 纠错

专题命中 VLA模型 ：action model(abstract)；分类 cs.AI

Comments 17 pages, 5 figures