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。

2025-09-12 至 2025-09-12 共收录 4 篇信号源：cs.CV, cs.AI, cs.LG

1. 视觉定位与Grounding 4 篇

2509.09584 2025-09-12 cs.CV cs.RO 79%

Visual Grounding from Event Cameras

Lingdong Kong, Dongyue Lu, Ao Liang, Rong Li, Yuhao Dong, Tianshuai Hu, Lai Xing Ng, Wei Tsang Ooi, Benoit R. Cottereau

机构 * NUS（新加坡国立大学）； HKUST(GZ)（香港科技大学（广州））； NTU（南洋理工大学）； HKUST（香港科技大学）； I 2 R, A*STAR（新加坡科技研究局）； IPAL, CNRS（法国国家科学研究中心IPAL）； CerCo, CNRS（法国国家科学研究中心CerCo）

专题命中视觉定位与Grounding ：grounding(title,abstract)；分类 cs.CV

Comments Abstract Paper (Non-Archival) @ ICCV 2025 NeVi Workshop

2509.09014 2025-09-12 cs.CV cs.CL 70%

COCO-Urdu: A Large-Scale Urdu Image-Caption Dataset with Multimodal Quality Estimation

Umair Hassan

机构 * Independent Researcher（独立研究者）

专题命中视觉定位与Grounding ：vision-language model(abstract)；grounding(abstract)；分类 cs.CV

Comments 17 pages, 3 figures, 3 tables. Dataset available at https://huggingface.co/datasets/umairhassan02/urdu-translated-coco-captions-subset. Scripts and notebooks to reproduce results available at https://github.com/umair-hassan2/COCO-Urdu

2509.09172 2025-09-12 cs.CV 57%

Bridging the Gap Between Ideal and Real-world Evaluation: Benchmarking AI-Generated Image Detection in Challenging Scenarios

Chunxiao Li, Xiaoxiao Wang, Meiling Li, Boming Miao, Peng Sun, Yunjian Zhang, Xiangyang Ji, Yao Zhu

机构 * Beijing Normal University（北京师范大学）； University of Chinese Academy of Sciences（中国科学院大学）； Fudan University（复旦大学）； Central University of Finance and Economics（中央财经大学）； Tsinghua University（清华大学）

专题命中视觉定位与Grounding ：vision-language model(abstract)；分类 cs.CV

Comments ICCV2025

2509.09281 2025-09-12 cs.HC 50%

Flip Co-op: Cooperative Takeovers in Shared Autonomy

Sandeep Banik, Naira Hovakimyan

专题命中视觉定位与Grounding ：grounding(abstract)

Comments 11 pages and 4 figures