Diagnostic Accuracy of Open-Source Vision-Language Models on Diverse Medical Imaging Tasks
专题命中 视觉推理 :vision-language model(title);分类 cs.CV
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。
专题命中 视觉推理 :vision-language model(title);分类 cs.CV
专题命中 视觉推理 :MLLM(title);分类 cs.CV
机构 * Harbin Institute of Technology, Shenzhen(哈尔滨工业大学(深圳)) ; Pengcheng Laboratory(鹏城实验室) ; The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳)) ; Voyager Research, Didi Chuxing
专题命中 视觉推理 :multimodal large language model(title);分类 cs.CV
机构 * Rutgers University(罗切斯特大学) ; Iowa State University(爱荷华州立大学) ; Zayed University(扎耶德大学) ; United Arab Emirates University(阿拉伯联合酋长国大学) ; University of Sharjah(沙迦大学) ; University of North Texas(北德克萨斯大学) ; George Washington University(乔治·华盛顿大学) ; University of Louisville(路易斯维尔大学) ; University of Guelph(圭尔夫大学)
专题命中 视觉推理 :multimodal large language model(title);分类 cs.LG
机构 * Harbin Institute of Technology, Shenzhen(哈尔滨工业大学(深圳)) ; Baidu Inc.(百度公司)
专题命中 视觉推理 :vision-language model(title);分类 cs.CV
机构 * Tsinghua University(清华大学) ; Tencent Hunyuan X(腾讯文英实验室) ; Stanford University(斯坦福大学) ; Carnegie Mellon University(卡内基梅隆大学)
专题命中 视觉推理 :visual reasoning(title);分类 cs.CV
Comments 12 pages
专题命中 视觉推理 :multimodal large language model(title);分类 cs.LG
Comments Published in the Journal of Machine Learning with Applications, Author Contributions: Averi Bates: Methodology, Development, Analysis, Data Curation, Drafting, Review. Ryan Vavricka: Data Curation, Development, Review. Shane Carleton: Supervision, Funding. Ruosi Shao: Review. Chongle Pan: Supervision, Review
Journal ref Mach. Learn. Appl. 20 (2025) 100660
专题命中 视觉推理 :MLLM(title);分类 cs.CV
Comments 18pages
专题命中 视觉推理 :grounding(title);分类 cs.AI
专题命中 视觉推理 :multimodal large language model(title);分类 cs.AI
专题命中 视觉推理 :multimodal large language model(title);分类 cs.CV
Comments 16 pages
专题命中 视觉推理 :vision language model(title);分类 cs.CV
Comments 35 pages
专题命中 视觉推理 :multimodal large language model(title);分类 cs.CV
Comments Dataset and models are released in https://github.com/rongyaofang/GoT
专题命中 视觉推理 :multimodal large language model(title);分类 cs.AI
Comments Accepted by TPAMI. arXiv admin note: text overlap with arXiv:2312.02439
专题命中 视觉推理 :grounding(title);分类 cs.AI
专题命中 视觉推理 :multimodal large language model(title);分类 cs.AI
Comments Currently under review
专题命中 视觉推理 :multimodal large language model(title);分类 cs.CV
专题命中 视觉推理 :visual reasoning(title);分类 cs.CV
Comments 12 pages, 6 figures. Accepted as main paper in EMNLP 2024
专题命中 视觉推理 :multimodal large language model(title);分类 cs.LG
Comments Updated manuscript
专题命中 视觉推理 :vision-language model(title);分类 cs.CV
Comments On-going work
专题命中 视觉推理 :visual reasoning(title);分类 cs.LG
Comments 12 pages
Journal ref International Conference on Pattern Recognition and Artificial Intelligence (ICPRAI) 2024
专题命中 视觉推理 :visual reasoning(title);分类 cs.AI
专题命中 视觉推理 :vision language model(title);分类 cs.CV
Comments 10 pages, 7 figures
专题命中 视觉推理 :visual reasoning(title);分类 cs.CV
Comments PhD thesis
专题命中 视觉推理 :visual reasoning(title);分类 cs.CV
专题命中 视觉推理 :visual reasoning(title);分类 cs.LG
专题命中 视觉推理 :visual reasoning(title);分类 cs.CV
Comments Accepted at ECCV 2018 - long version (16 pages + ref)
Journal ref ECCV 2018
基于区域级组织推理与非平衡最优传输的淋巴细胞模拟修正
机构 * Duke University(杜克大学)
专题命中 视觉推理 :MLLM(abstract,abstract_cn);分类 cs.CV、cs.LG
AI总结 针对细胞模拟导致的病理细胞分类歧义问题,提出Loki-OT方法,结合区域级组织推理与非平衡最优传输,在TCGA-BRCA队列上取得更优性能。
Comments 13 pages, 3 figures. Accepted to the MICCAI 2026 COMPAYL Workshop
VISOR: 通过迭代搜索和超视距推理实现基于视觉检索的增强生成
机构 * Soochow University(苏州大学) ; Baidu Inc.(百度公司)
专题命中 视觉推理 :vision-language model(abstract);visual reasoning(abstract);分类 cs.CV、cs.AI
AI总结 VISOR通过结构化证据空间和动态轨迹机制解决多步推理中的视觉证据稀疏和搜索漂移问题,实现高效长视距视觉推理。
Comments Accepted by ACM Multimedia 2026 (MM '26). 8 pages, 3 figures. Code: https://github.com/syc1336/VISOR
MetaReason:通过编辑元信息实现精确的交错多模态推理以解决几何问题
专题命中 视觉推理 :vision-language model(abstract);visual reasoning(abstract);分类 cs.CV、cs.AI
AI总结 本研究提出MetaReason框架,构建TutorGeo与ExamGeo数据集,结合监督微调与强化学习,实现几何问题的精确交错多模态推理,性能优于现有开源模型。