视觉大模型 / VLM

Your other Left! Vision-Language Models Fail to Identify Relative Positions in Medical Images

Daniel Wolf, Heiko Hillenhagen, Billurvan Taskin, Alex Bäuerle, Meinrad Beer, Michael Götz, Timo Ropinski

机构 * Visual Computing Group, Institute of Media Informatics, Ulm University, Germany（媒体信息研究所视觉计算组，乌尔姆大学，德国） ； Diagnostic and Interventional Radiology, Ulm University Medical Center, Germany（乌尔姆大学医学中心诊断与介入放射学） ； Axiom Bio, USA（Axiom Bio公司，美国） 纠错

专题命中 视觉问答 ：vision-language model(title,abstract)；分类 cs.CV

Comments Accepted at the International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI) 2025

VISTAR:A User-Centric and Role-Driven Benchmark for Text-to-Image Evaluation

Kaiyuan Jiang, Ruoxi Sun, Ying Cao, Yuqi Xu, Xinran Zhang, Junyan Guo, ChengSheng Deng

机构 * Peking University（北京大学） ； LinkSure ； University of Glasgow（格拉斯哥大学） ； Boston University（波士顿大学） 纠错

专题命中 视觉问答 ：vision-language model(abstract)；分类 cs.CV

Comments 17 pages,8 figures

SAR Strikes Back: A New Hope for RSVQA

Lucrezia Tosato, Flora Weissgerber, Laurent Wendling, Sylvain Lobry

机构 * LIPADE, Université Paris Cité（巴黎Cité大学LIPADE研究所） ； GENCI-IDRIS ； French Aerospace Lab, ONERA（法国航空航天实验室ONERA） 纠错

专题命中 视觉问答 ：visual question answering(abstract)；分类 cs.CV

Comments Accepted at IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing 13 pages, 6 figures

Journal ref 10.1109/JSTARS.2025.3596678