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。

2025-11-03 至 2025-11-03 共收录 2 篇信号源：cs.CV, cs.AI, cs.LG

1. 视觉问答 2 篇

2510.11295 2025-11-03 cs.CV 83%

Jian Lan, Zhicheng Liu, Udo Schlegel, Raoyuan Zhao, Yihong Liu, Hinrich Schütze, Michael A. Hedderich, Thomas Seidl

机构 * University of Munich（慕尼黑大学）； Munich Center of Machine Learning（慕尼黑机器学习中心）

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

2510.27363 2025-11-03 cs.AI 70%

Mengjie Deng, Guanting Dong, Zhicheng Dou

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学人工智能学院）

专题命中视觉问答：multimodal large language model(abstract)；MLLM(abstract)；分类 cs.AI