arXivDaily arXiv每日学术速递 周一至周五更新
arXiv周末暂无论文更新,休息一下吧,周末愉快~~

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。

2025-10-02 至 2025-10-02 共收录 2 信号源:cs.CV, cs.AI, cs.LG

1. 视觉问答 2 篇

2510.00047 2025-10-02 cs.CV cs.AI 84%

Explanation-Driven Counterfactual Testing for Faithfulness in Vision-Language Model Explanations

Sihao Ding, Santosh Vasa, Aditi Ramadwar

机构 * Mercedes-Benz Research & Development North America(梅赛德斯-奔驰研究与开发北美)

专题命中 视觉问答 :vision-language model(title,abstract);VLM(abstract);分类 cs.CV、cs.AI

Comments NeurIPS 2025 workshop on Regulatable ML

详情

展开后加载摘要…

URL PDF HTML 收藏
2510.00161 2025-10-02 cs.CL 50%

TAMA: Tool-Augmented Multimodal Agent for Procedural Activity Understanding

Kimihiro Hasegawa, Wiradee Imrattanatrai, Masaki Asada, Ken Fukuda, Teruko Mitamura

机构 * Language Technologies Institute, Carnegie Mellon University(卡内基梅隆大学语言技术研究所) National Institute of Advanced Industrial Science and Technology (AIST)(国家先进工业科学与技术研究院)

专题命中 视觉问答 :vision-language model(abstract)

Comments 21 pages. Code: https://github.com/kimihiroh/tama

详情

展开后加载摘要…

URL PDF HTML 收藏