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。

2025-10-17 至 2025-10-17 共收录 2 篇信号源：cs.CV, cs.AI, cs.LG

1. 视觉问答 2 篇

2505.16411 2025-10-17 cs.CV cs.LG 84%

Sreetama Sarkar, Yue Che, Alex Gavin, Peter A. Beerel, Souvik Kundu

机构 * University of Southern California（美国南加州大学）； Intel Labs（英特尔实验室）； Harvard-Westlake School（哈佛-韦斯利学校）

专题命中视觉问答：vision-language model(title)；vision language model(abstract)；visual question answering(abstract)；分类 cs.CV、cs.LG

2510.13856 2025-10-17 cs.CL cs.AI cs.CV 62%

A H M Rezaul Karim, Ozlem Uzuner

机构 * George Mason University（乔治·马歇尔大学）

专题命中视觉问答：visual question answering(abstract)；分类 cs.CV、cs.AI