视觉大模型 / VLM

InstructFLIP: Exploring Unified Vision-Language Model for Face Anti-spoofing

Kun-Hsiang Lin, Yu-Wen Tseng, Kang-Yang Huang, Jhih-Ciang Wu, Wen-Huang Cheng

机构 * National Taiwan University（国立台湾大学） ； National Taiwan Normal University（国立台湾师范大学） 纠错

专题命中 其他VLM ：vision-language model(title,abstract)；分类 cs.CV、cs.AI

Comments Accepted by MM'25

StoryTeller: Improving Long Video Description through Global Audio-Visual Character Identification

Yichen He, Yuan Lin, Jianchao Wu, Hanchong Zhang, Yuchen Zhang, Ruicheng Le

专题命中 其他VLM ：vision-language model(abstract)；multimodal large language model(abstract)；分类 cs.CV、cs.AI

Enhancing Multimodal In-Context Learning for Image Classification through Coreset Optimization

Huiyi Chen, Jiawei Peng, Kaihua Tang, Xin Geng, Xu Yang

机构 * Southeast University（东南大学） ； Huawei Singapore Research Center（华为新加坡研究中心） 纠错

专题命中 其他VLM ：vision-language model(abstract)；分类 cs.CV、cs.AI

Comments 11 pages, 5 figures

Prototype-Guided Pseudo-Labeling with Neighborhood-Aware Consistency for Unsupervised Adaptation

Eman Ali, Chetan Arora, Muhammad Haris Khan

机构 * Mohamed Bin Zayed University of Artificial Intelligence（莫扎德·本·扎耶德人工智能大学） ； Indian Institute of Technology Delhi（印度德里理工学院） ； Alexandria University（亚历山大大学） 纠错

专题命中 其他VLM ：vision-language model(abstract)；分类 cs.LG