视觉大模型 / VLM

Weakly-Supervised Learning of Dense Functional Correspondences

Stefan Stojanov, Linan Zhao, Yunzhi Zhang, Daniel L. K. Yamins, Jiajun Wu

机构 * Stanford University（斯坦福大学） 纠错

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

Comments Accepted at ICCV 2025. Project website: https://dense-functional-correspondence.github.io/

AudioCodecBench: A Comprehensive Benchmark for Audio Codec Evaluation

Lu Wang, Hao Chen, Siyu Wu, Zhiyue Wu, Hao Zhou, Chengfeng Zhang, Ting Wang, Haodi Zhang

机构 * Lu Wang（卢王） ； Hao Chen（何晨） ； Siyu Wu（武士） ； Zhiyue Wu（吴致岳） ； Hao Zhou（周浩） ； Chengfeng Zhang（张成峰） ； Ting Wang（王婷） ； Haodi Zhang（张浩迪） 纠错

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

Defending LVLMs Against Vision Attacks through Partial-Perception Supervision

Qi Zhou, Tianlin Li, Qing Guo, Dongxia Wang, Yun Lin, Yang Liu, Jin Song Dong

机构 * College of Control Science and Engineering, Zhejiang University, China（控制科学与工程学院，浙江大学，中国） ； Huzhou Institute of Industrial Control Technology, China（湖州工业控制技术研究所，中国） ； School of Computer Science and Engineering, Nanyang Technological University, Singapore（计算机科学与工程学院，南洋理工大学，新加坡） ； School of Computer Science, Shanghai Jiao Tong University, China（计算机科学学院，上海交通大学，中国） ； School of Computing, National University of Singapore, Singapore（计算学院，新加坡国立大学，新加坡） ； Research, Singapore（研究，新加坡） 纠错

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

Comments Accepted to ICML 2025

Deciphering Emotions in Children Storybooks: A Comparative Analysis of Multimodal LLMs in Educational Applications

Bushra Asseri, Estabraq Abdelaziz, Maha Al Mogren, Tayef Alhefdhi, Areej Al-Wabil

机构 * College of Engineering & Advanced Computing（工程与高级计算学院） 纠错

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