AI 大模型
视觉语言模型、视觉推理、视觉问答、图文理解和视觉 grounding。
机构 * Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院（AIR）） ； Bosch Corporate Research, China（博世中国企业研究中心） ； Institute for Interdisciplinary Information Sciences(IIIS), Tsinghua University（清华大学交叉信息研究院）
专题命中 视觉推理 ：VLM(abstract)；分类 cs.CV
Comments ICRA 2025, Project Page: https://github.com/XR-Lee/neural-symbolic
专题命中 视觉推理 ：vision-language model(abstract)；分类 cs.CV
Comments Accept by AAAI-2025(Oral)
机构 * ETH Zurich（苏黎世联邦理工学院） ； University of Central Florida（中佛罗里达大学） ； Khalifa University（哈利法大学） ； Mohamed Bin Zayed University of AI（穆罕默德·本·扎耶德人工智能大学） ； Australian National University（澳大利亚国立大学） ； Linköping University（林雪平大学）
专题命中 视觉推理 ：visual reasoning(abstract)；分类 cs.CV
机构 * UC Berkeley（加州大学伯克利分校） ； University of Warsaw（华沙大学） ； Stanford University（斯坦福大学）
专题命中 视觉推理 ：vision-language model(abstract)；分类 cs.LG
Comments Project Website: https://embodied-cot.github.io. Updated funding information
机构 * School of Automation, Beijing Institute of Technology（北京理工大学自动化学院） ； National Key Lab of Autonomous Intelligent Unmanned Systems, Beijing Institute of Technology（北京理工大学自主智能无人系统全国重点实验室）
专题命中 视觉推理 ：grounding(abstract)；分类 cs.CV
机构 * Technical University of Munich（慕尼黑工业大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心）
专题命中 视觉推理 ：vision-language model(abstract)；分类 cs.CV
专题命中 视觉推理 ：vision-language model(abstract)；分类 cs.LG
机构 * School of Electrical Engineering, Korea University（高丽大学电气工程学院） ； Seegene Medical Foundation（Seegene医学基金会）
专题命中 视觉推理 ：vision-language model(abstract)；分类 cs.CV
Comments Under review
专题命中 视觉推理 ：vision-language model(abstract)；分类 cs.CV
机构 * Northwestern Polytechnical University（西北工业大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Linköping University（林雪平大学） ； Australian National University（澳大利亚国立大学）
专题命中 视觉推理 ：visual language model(abstract)；分类 cs.CV
机构 * Technical University of Munich（慕尼黑工业大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心）
专题命中 视觉推理 ：vision language model(abstract)；分类 cs.CV
机构 * Peking University（北京大学） ； Northeastern University（东北大学） ； University of Hong Kong（香港大学）
专题命中 视觉推理 ：multimodal large language model(abstract)；分类 cs.AI
Comments 15 pages
机构 * Tsinghua university（清华大学）
专题命中 视觉推理 ：LLaVA(abstract)；分类 cs.CV
机构 * Reallm Labs（Reallm实验室） ； The Hong Kong Polytechnic University（香港理工大学） ； Zhejiang University（浙江大学） ； South China University of Technology（华南理工大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Dalian University of Technology（大连理工大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； TikTok（字节跳动旗下TikTok） ； Amazon（亚马逊）
专题命中 视觉推理 ：multimodal large language model(abstract)；分类 cs.AI
专题命中 视觉推理 ：vision-language model(abstract)；分类 cs.CV
Comments ICLR 2025
机构 * Kyung Hee University（庆熙大学） ； Korea University（高丽大学）
专题命中 视觉推理 ：vision-language model(abstract)；分类 cs.CV
机构 * School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； Coop. Medianet Innovation Center, Shanghai Jiao Tong University（上海交通大学合作媒体创新中心）
专题命中 视觉推理 ：grounding(abstract)；分类 cs.CV
机构 * Graduate School of Artificial Intelligence, POSTECH（浦项科技大学人工智能研究生院） ； Department of Computer Science and Engineering, POSTECH（浦项科技大学计算机科学与工程系）
专题命中 视觉推理 ：vision-language model(abstract)；分类 cs.AI
Comments NAACL 2025 Main
机构 * University of California, Merced（加州大学默塞德分校） ； Skywork AI, Singapore（新加坡Skywork AI公司） ； Nanyang Technological University（南洋理工大学）
专题命中 视觉推理 ：multimodal large language model(abstract)；分类 cs.CV
Comments Accepted to 3DV 2025. Project Page: https://reason3d.github.io/
机构 * Sun Yat-sen University（中山大学） ； Shenzhen Yuanshi Intelligence Co., Ltd（深圳元石智能有限公司）
专题命中 视觉推理 ：visual language model(abstract)；分类 cs.CV
Comments 10 pages, 5figures, conference
专题命中 视觉推理 ：vision-language model(abstract)；分类 cs.AI
机构 * UC San Diego（加州大学圣迭戈分校）
专题命中 视觉推理 ：visual reasoning(abstract)；分类 cs.AI
机构 * Wangxuan Institute of Computer Technology, Peking University（北京大学王选计算机研究所） ； National Key Laboratory of General Artificial Intelligence, Peking University（北京大学通用人工智能国家重点实验室）
专题命中 视觉推理 ：multimodal large language model(abstract)；分类 cs.CV
Comments Accepted to main conference at NAACL 2025; 8 pages;
机构 * School of Life Science and Technology, University of Electronic Science and Technology of China (UESTC)（电子科技大学生命科学与技术学院） ； Brain Health Institute, National Center for Mental Disorders, Shanghai Mental Health Center, Shanghai Jiao Tong University School of Medicine（上海交通大学医学院附属精神卫生中心国家精神障碍中心脑健康研究所） ； State Key Laboratory of Cognitive Neuroscience and Learning, Beijing Normal University（北京师范大学认知神经科学与学习国家重点实验室） ； School of Systems Science, Beijing Normal University（北京师范大学系统科学学院）
专题命中 视觉推理 ：visual reasoning(abstract)；分类 cs.AI
机构 * Technical University Munich (TUM)（慕尼黑工业大学（TUM））
专题命中 视觉推理 ：visual question answering(abstract)；分类 cs.CV
机构 * University of Electronic Science and Technology of China（电子科技大学） ； Sun Yat-sen University（中山大学） ； University of Washington（华盛顿大学） ； Microsoft（微软公司） ； The Chinese University of Hong Kong（香港中文大学）
专题命中 视觉推理 ：multimodal large language model(abstract)；分类 cs.CV
机构 * Indiana University Bloomington（印第安纳大学布卢明顿分校） ； Netflix（网飞公司）
专题命中 视觉推理 ：vision-language model(abstract)；分类 cs.CV
专题命中 视觉推理 ：VLM(abstract)；分类 cs.CV
Comments project page: https://embodied-videoagent.github.io/
专题命中 视觉推理 ：LLaVA(abstract)；分类 cs.CV
专题命中 视觉推理 ：grounding(abstract)；分类 cs.CV
Comments AAAI 2025. 14 pages. Supplementary Material
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈