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。

2025-11-06 至 2025-11-06 共收录 2 篇信号源：cs.CV, cs.AI, cs.LG

1. VLM训练与架构 2 篇

2511.03332 2025-11-06 cs.CV 83%

Yi Yang, Yiming Xu, Timo Kaiser, Hao Cheng, Bodo Rosenhahn, Michael Ying Yang

机构 * Leibniz University Hannover（莱布尼茨汉诺威大学）； University of Twente（特文特大学）； University of Bath（巴斯大学）

专题命中 VLM训练与架构：LLaVA(title,abstract)；grounding(abstract)；分类 cs.CV

2511.02996 2025-11-06 cs.CV 57%

Ailar Mahdizadeh, Puria Azadi Moghadam, Xiangteng He, Shahriar Mirabbasi, Panos Nasiopoulos, Leonid Sigal

机构 * University of British Columbia（不列颠哥伦比亚大学）； Vector Institute for AI（人工智能向量研究所）

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