arXivDaily arXiv每日学术速递 周一至周五更新

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。

2025-12-10 至 2025-12-10 共收录 1 信号源:cs.CV, cs.AI, cs.LG

1. 视觉问答 1 篇

2506.00238 2025-12-10 cs.CV cs.CL cs.IR cs.LG 86%

ZeShot-VQA: Zero-Shot Visual Question Answering Framework with Answer Mapping for Natural Disaster Damage Assessment

ZeShot-VQA:一种基于零样本学习的视觉问答框架,用于自然灾害损害评估

Ehsan Karimi, Maryam Rahnemoonfar

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

AI总结 本文提出基于零样本学习的ZeShot-VQA框架,用于自然灾害损害评估,无需微调即可处理新数据集并生成未见过的答案。

Comments Accepted by the 2025 IEEE International Geoscience and Remote Sensing Symposium (IGARSS 2025)

详情

展开后加载摘要…

URL PDF HTML 收藏