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。

2025-10-16 至 2025-10-16 共收录 3 篇信号源：cs.CV, cs.AI, cs.LG

1. VLM训练与架构 3 篇

2509.07613 2025-10-16 cs.CV 85%

Fangqi Cheng, Surajit Ray, Xiaochen Yang

机构 * School of Mathematics and Statistics, University of Glasgow, UK（数学与统计学学院，格拉斯哥大学）

专题命中 VLM训练与架构：vision-language model(title,abstract)；VLM(abstract)；visual question answering(abstract)；分类 cs.CV

Comments Accepted at MICAD 2025

2510.13359 2025-10-16 cs.IR cs.CV cs.LG 84%

Yuki Yada, Sho Akiyama, Ryo Watanabe, Yuta Ueno, Yusuke Shido, Andre Rusli

机构 * Mercari, Inc.（Mercari公司）

专题命中 VLM训练与架构：vision-language model(title,abstract)；VLM(abstract)；分类 cs.CV、cs.LG

Comments Accepted to ACM RecSys 2025 (Spotlight)

2510.12931 2025-10-16 cs.CV cs.CL 57%

Sanghyun Byun, Jung Ick Guack, Mohanad Odema, Baisub Lee, Jacob Song, Woo Seong Chung

机构 * LG Electronics USA（LG电子美国公司）

专题命中 VLM训练与架构：vision-language model(abstract)；分类 cs.CV

Comments Accepted to PMLR and NeurIPS 2025 UniReps