视觉大模型 / VLM

Check Field Detection Agent (CFD-Agent) using Multimodal Large Language and Vision Language Models

Sourav Halder, Jinjun Tong, Xinyu Wu

机构 * U.S. Bank（美国银行） 纠错

专题命中 视觉定位与Grounding ：vision language model(title,abstract)；VLM(abstract)；multimodal large language model(abstract)；MLLM(abstract)

Comments 12 pages, 5 figures, 2 tables

SimToken: A Simple Baseline for Referring Audio-Visual Segmentation

Dian Jin, Yanghao Zhou, Jinxing Zhou, Jiaqi Ma, Ruohao Guo, Dan Guo

专题命中 视觉定位与Grounding ：multimodal large language model(abstract)；MLLM(abstract)；分类 cs.CV

Comments Project page: https://github.com/DianJin-HFUT/SimToken

Fully Learnable Neural Reward Machines

Hazem Dewidar, Elena Umili

机构 * La Sapienza University of Rome（拉维亚大学罗马分校） ； Peoples' Friendship University of Russia (RUDN University)（俄罗斯人民友谊大学） ； Joint Institute for Nuclear Research（联合核子研究所） ； Vrije Universiteit Amsterdam（阿姆斯特丹自由大学） ； University of Skövde（斯德哥尔摩大学） 纠错

专题命中 视觉定位与Grounding ：grounding(abstract)；分类 cs.AI、cs.LG

Knowledge Transfer from Interaction Learning

Yilin Gao, Kangyi Chen, Zhongxing Peng, Hengjie Lu, Shugong Xu

机构 * Shanghai University（上海大学） ； Xi’an Jiaotong-Liverpool University（西安交通大学利物浦大学） 纠错

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

Comments Accepted by ICCV2025

Split Matching for Inductive Zero-shot Semantic Segmentation

Jialei Chen, Xu Zheng, Dongyue Li, Chong Yi, Seigo Ito, Danda Pani Paudel, Luc Van Gool, Hiroshi Murase, Daisuke Deguchi

机构 * Graduate School of Informatics, Nagoya University (NU)（名古屋大学信息研究生院） ； Artificial Intelligence Thrust, The Hong Kong University of Science and Technology (Guangzhou) (HKUST (GZ))（香港科学与技术大学（广州）人工智能推进部） ； Institute for Computer Science, Artificial Intelligence and Technology (INSAIT), Sofia University, St. Kliment Ohridski（索菲亚大学计算机科学、人工智能与技术研究所） 纠错

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

Comments Accepted by BMVC 2025

Finite Groundings for ASP with Functions: A Journey through Consistency

Lukas Gerlach, David Carral, Markus Hecher

机构 * Knowledge-Based Systems Group, TU Dresden（图腾大学达姆施塔特分校知识系统小组） ； LIRMM, Inria, University of Montpellier, CNRS（里尔毫米研究所、法国国家信息与自动化技术研究院、蒙彼利埃大学、国家科学研究中心） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

专题命中 视觉定位与Grounding ：grounding(abstract)；分类 cs.AI

Comments to be published at IJCAI 2024

Developing a Decolonial Mindset for Indigenising Computing Education (CE)

Jianhua Li, Yin Paradies, Trina Myers, Robin Doss, Armita Zarnegar, Jack Reis

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