AI 大模型

视觉大模型 / VLM

视觉语言模型、视觉推理、视觉问答、图文理解和视觉 grounding。

2025-09-01 至 2025-09-01 共收录 3 篇信号源：cs.CV, cs.AI, cs.LG

1. VLM训练与架构 3 篇

2508.21732 2025-09-01 cs.CV cs.AI 86%

CAD2DMD-SET: Synthetic Generation Tool of Digital Measurement Device CAD Model Datasets for fine-tuning Large Vision-Language Models

João Valente, Atabak Dehban, Rodrigo Ventura

机构 * Institute for Systems and Robotics（系统与机器人研究所）； University of Lisbon（里斯本大学）

专题命中 VLM训练与架构：vision-language model(title,abstract)；InternVL(abstract)；visual question answering(abstract)；分类 cs.CV、cs.AI

2508.21430 2025-09-01 cs.CL cs.AI cs.CV 84%

Med-RewardBench: Benchmarking Reward Models and Judges for Medical Multimodal Large Language Models

Meidan Ding, Jipeng Zhang, Wenxuan Wang, Cheng-Yi Li, Wei-Chieh Fang, Hsin-Yu Wu, Haiqin Zhong, Wenting Chen, Linlin Shen

机构 * College of Computer Science and Software Engineering, Shenzhen University（深圳大学计算机科学与软件工程学院）； School of Artificial Intelligence, Shenzhen University（深圳大学人工智能学院）； Guangdong Provincial Key Laboratory of Intelligent Information Processing（广东省智能信息处理重点实验室）； The Hong Kong University of Science and Technology（香港科学与技术大学）； Renmin University of China（中国人民大学）； National Yang Ming Chiao Tung University ； Taipei Veterans General Hospital（台北荣民总医院）； School of Biomedical Engineering, Shenzhen University（深圳大学生物医学工程学院）

专题命中 VLM训练与架构：multimodal large language model(title,abstract)；MLLM(abstract)；分类 cs.CV、cs.AI

Comments 19 pages, 5 figures, 3 tables

2312.15663 2025-09-01 cs.CV cs.AI 73%

IQAGPT: Image Quality Assessment with Vision-language and ChatGPT Models

Zhihao Chen, Bin Hu, Chuang Niu, Tao Chen, Yuxin Li, Hongming Shan, Ge Wang

机构 * ISTBI Fudan University（ISTBI 复旦大学）； Huashan Hospital Fudan University（复旦大学华山医院）； BME & CBIS Rensselaer Polytechnic Institute（生物医学工程与生物信息学研究中心罗切斯特理工学院）

专题命中 VLM训练与架构：vision-language model(abstract)；VLM(abstract)；分类 cs.CV、cs.AI

Comments 14 pages, 9 figures

Journal ref Visual Computing for Industry, Biomedicine, and Art, 7, 20, 2024