视觉大模型 / VLM

CountQA: How Well Do MLLMs Count in the Wild?

Jayant Sravan Tamarapalli, Rynaa Grover, Nilay Pande, Sahiti Yerramilli

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

InteractPro: A Unified Framework for Motion-Aware Image Composition

Weijing Tao, Xiaofeng Yang, Miaomiao Cui, Guosheng Lin

机构 * College of Computing and Data Science, Nanyang Technological University（计算与数据科学学院，南洋理工大学） ； DAMO Academy, Alibaba Group（阿里达摩院） 纠错

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