视觉大模型 / VLM

Basic Category Usage in Vision Language Models

Hunter Sawyer, Jesse Roberts, Kyle Moore

机构 * Computer Science, Tennessee Tech University（田纳西科技大学计算机科学系） ； Computer Science, Vanderbilt University（范德比大学计算机科学系） 纠错

专题命中 其他VLM ：vision language model(title)；vision-language model(abstract)

Hierarchical Vision-Language Retrieval of Educational Metaverse Content in Agriculture

Ali Abdari, Alex Falcon, Giuseppe Serra

机构 * University of Udine（乌迪大学） ； University of Naples Federico II（那不勒斯费德里科二世大学） 纠错

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

Comments Accepted for publication at the 23rd International Conference on Image Analysis and Processing (ICIAP 2025)

AutoComPose: Automatic Generation of Pose Transition Descriptions for Composed Pose Retrieval Using Multimodal LLMs

Yi-Ting Shen, Sungmin Eum, Doheon Lee, Rohit Shete, Chiao-Yi Wang, Heesung Kwon, Shuvra S. Bhattacharyya

机构 * University of Maryland, College Park（马里兰大学学院市分校） ； DEVCOM Army Research Laboratory（陆军研究实验室） 纠错

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

Comments ICCV 2025