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 * nvidia
专题命中 VLM训练与架构 ：multimodal large language model(abstract)；分类 cs.LG
Comments Published at ICML 2025
Journal ref Proceedings of the 42nd International Conference on Machine Learning (ICML), 2025
机构 * KDDI Research, Inc.（KDDI研究公司）
专题命中 VLM训练与架构 ：LLaVA(abstract)；分类 cs.CV
机构 * Northwestern Polytechnical University（西北工业大学） ； The University of Hong Kong（香港大学）
专题命中 VLM训练与架构 ：multimodal large language model(abstract)；分类 cs.CV
Comments 9 pages, 5 figures, Accepted at ACMMM 2025
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院，清华大学） ； Media Analytics and Computing Lab, Department of Artificial Intelligence, School of Informatics, Xiamen University（媒体分析与计算实验室，人工智能系，厦门大学） ； School of Computer Science and Technology, Ocean University of China（计算机科学与技术学院，中国海洋大学） ； Institute of Image Communication and Information Processing, Shanghai Jiao Tong University（图像通信与信息处理研究所，上海交通大学）
专题命中 VLM训练与架构 ：multimodal large language model(abstract)；分类 cs.CV
机构 * Mohamed Bin Zayed University of Artificial Intelligence（莫莫德·本·扎耶德人工智能大学） ； IIT Delhi（德里印度理工学院） ； Alexandria University（亚历山大大学）
专题命中 VLM训练与架构 ：vision-language model(abstract)；分类 cs.CV
机构 * Chongqing Normal University（重庆师范大学）
专题命中 VLM训练与架构 ：multimodal large language model(abstract)；分类 cs.CV
Comments Accepted by ICME2025 oral
机构 * Johns Hopkins University（约翰霍普金斯大学） ； Tsinghua University（清华大学） ； Rice University（Rice 大学）
专题命中 VLM训练与架构 ：vision-language model(abstract)；分类 cs.CV
Comments Project Page: https://lambert-x.github.io/Vision-Language-Vision/
机构 * College of Electronic and Information Engineering, Tongji University（同济大学电子与信息学院） ； College of Computer Science, Wuhan University（武汉大学计算机学院） ； College of Computer Science, Tongji University（同济大学计算机学院） ； State Key Laboratory of Autonomous Intelligent Unmanned Systems（自主智能无人系统国家重点实验室）
专题命中 VLM训练与架构 ：vision-language model(abstract)；分类 cs.CV
Comments 13 pages, 5 figures
机构 * ByteDance（字节跳动）
专题命中 VLM训练与架构 ：multimodal large language model(abstract)；分类 cs.CV
Comments 19 pages, 5 figures
机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院） ； University of Illinois at Urbana-Champaign (UIUC)（伊利诺伊大学厄巴纳-香槟分校）
专题命中 VLM训练与架构 ：multimodal large language model(abstract)；分类 cs.CV
Comments ICLR 2025
机构 * School of Remote Sensing and Information Engineering（遥感与信息工程学院） ； College of Oceanography and Space Informatics（海洋学与空间信息学院） ； School of Surveying and Geoinformation Engineering（测绘与地理信息工程学院）
专题命中 VLM训练与架构 ：MLLM(abstract)；分类 cs.CV
机构 * VCIP \& TMCC \& DISSec, College of Computer Science, Nankai University ； Pengcheng Laboratory
专题命中 VLM训练与架构 ：multimodal large language model(abstract)；分类 cs.CV
Comments ICML 2025 (Spotlight, Top 2.6%)
机构 * School of Computer Science (National Pilot Software Engineering School), Beijing University of Posts and Telecommunications（北京邮电大学计算机学院（国家级试点软件工程学院）） ； The State Key Laboratory of Blockchain and Data Security, Zhejiang University（浙江大学区块链与数据安全国家重点实验室） ； Central South University（中南大学） ； National University of Singapore（新加坡国立大学） ； Jinan University（暨南大学）
专题命中 VLM训练与架构 ：multimodal large language model(abstract)；分类 cs.AI
机构 * Peng Cheng Laboratory（鹏城实验室） ； Central South University（中南大学）
专题命中 VLM训练与架构 ：vision-language model(abstract)；分类 cs.CV
Comments ICCV 2025
机构 * Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； Beijing University of Posts and Telecommunications（北京邮电大学）
专题命中 VLM训练与架构 ：VLM(abstract)；分类 cs.CV
机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学人工智能学院） ； College of Artificial Intelligence, Nankai University（南开大学人工智能学院） ； School of Computer Science and Technology, Beijing Institute of Technology（北京理工大学计算机科学与技术学院）
专题命中 VLM训练与架构 ：multimodal large language model(abstract)；分类 cs.CV
机构 * University of Seoul（首尔大学）
专题命中 VLM训练与架构 ：vision-language model(abstract)；分类 cs.CV
Comments Accepted to ICCV2025
机构 * IFM Lab, University of California, Davis（信息与媒体实验室，加州大学戴维斯分校）
专题命中 VLM训练与架构 ：vision-language model(abstract)；分类 cs.CV
Comments Working in Progress
机构 * Johns Hopkins University（约翰霍普金斯大学）
专题命中 VLM训练与架构 ：vision-language model(abstract)；分类 cs.CV
Comments Project Page: https://kartik-3004.github.io/TF-SA/
专题命中 VLM训练与架构 ：multimodal large language model(abstract)；分类 cs.CV
Comments Preprint. Under Review
机构 * ByteDance（字节跳动）
专题命中 VLM训练与架构 ：VLM(abstract)；分类 cs.CV
Comments Seedream 3.0 Technical Report
专题命中 VLM训练与架构 ：multimodal large language model(abstract)；分类 cs.CV
机构 * GVC Lab, Great Bay University（Great Bay大学GVC实验室）
专题命中 VLM训练与架构 ：MLLM(abstract)；分类 cs.CV
Comments Project Page: https://jayleejia.github.io/FairyGen/ ; Code: https://github.com/GVCLab/FairyGen
专题命中 VLM训练与架构 ：multimodal large language model(abstract)；分类 cs.AI
Comments 43 pages and 11 figures
机构 * The Hong Kong Polytechnic University（香港理工大学） ； National University of Singapore（新加坡国立大学） ； Zhejiang University（浙江大学）
专题命中 VLM训练与架构 ：grounding(abstract)；分类 cs.CV
机构 * Machine Learning and Optimization Lab, EPFL（机器学习与优化实验室，EPFL）
专题命中 VLM训练与架构 ：VLM(abstract)；分类 cs.LG
机构 * Department of Applied Mathematics and Computer Science（应用数学与计算机科学系）
专题命中 VLM训练与架构 ：vision-language model(abstract)；分类 cs.CV
Comments The project is available at \url{https://medart-ai.github.io}
机构 * Fudan University（复旦大学） ； Bilibili Inc（哔哩哔哩公司）
专题命中 VLM训练与架构 ：vision-language model(abstract)；分类 cs.CV
Comments 10 pages, 7 figures, 7 tables
机构 * School of Computing（计算学院） ； Department of Diagnostic Radiology（诊断放射科） ； Queen's University（皇后大学） ； Kingston Health Sciences Centre（金斯顿健康科学中心）
专题命中 VLM训练与架构 ：vision language model(abstract)；分类 cs.CV
Comments GitHub: https://github.com/Nafiz95/BioVLM_Eval_CXR
机构 * Zhejiang University（浙江大学） ； Nanjing University of Aeronautics and Astronautics（南京航空航天大学）
专题命中 VLM训练与架构 ：grounding(abstract)；分类 cs.CV
Comments CVPR2025, Code Link: https://github.com/hanxunyu/Inst3D-LMM
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