MedRAX: Medical Reasoning Agent for Chest X-ray
专题命中 视觉推理 :multimodal large language model(abstract);分类 cs.AI、cs.LG
Comments 16 pages, 4 figures, 5 Tables
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 :multimodal large language model(abstract);分类 cs.AI、cs.LG
Comments 16 pages, 4 figures, 5 Tables
机构 * Shanghai Jiao Tong University(上海交通大学) ; SII ; Fudan University(复旦大学) ; Generative AI Research Lab (GAIR)(生成式人工智能研究实验室)
专题命中 视觉推理 :visual reasoning(abstract);分类 cs.CV、cs.AI
机构 * National University of Singapore(新加坡国立大学) ; Sea AI Lab(Sea AI实验室)
专题命中 视觉推理 :MLLM(abstract);分类 cs.CV、cs.AI
机构 * Fudan University(复旦大学) ; MMLab, The Chinese University of Hong Kong(中大香港人工智能实验室) ; Shanghai AI Laboratory(上海人工智能实验室) ; University of Science and Technology of China(中国科学技术大学) ; Nanjing University(南京大学)
专题命中 视觉推理 :multimodal large language model(abstract);分类 cs.CV、cs.AI
机构 * OPPO AI Center(OPPO人工智能中心)
专题命中 视觉推理 :multimodal large language model(abstract);分类 cs.CV、cs.AI
机构 * School of Computer Science, The University of Sydney(计算机科学学院,悉尼大学)
专题命中 视觉推理 :multimodal large language model(abstract);分类 cs.CV、cs.AI
Comments ACL2025 Findings
机构 * Shanghai Jiao Tong University(上海交通大学) ; Shanghai Innovation Institute(上海创新研究院) ; Fudan University(复旦大学) ; Shanghai AI Lab(上海人工智能实验室)
专题命中 视觉推理 :VLM(abstract);分类 cs.CV、cs.AI
机构 * Key Laboratory of Multimedia Trusted Perception and Efficient Computing, Ministry of Education of China, Xiamen University(多媒体可信感知与高效计算重点实验室,教育部,厦门大学) ; Microsoft(微软)
专题命中 视觉推理 :grounding(abstract);分类 cs.CV、cs.AI
Comments Code is available at: https://github.com/microsoft/DKI_LLM/tree/main/RePrompt
机构 * Shanghai Jiao Tong University(上海交通大学) ; Shanghai AI lab(上海人工智能实验室)
专题命中 视觉推理 :multimodal large language model(abstract);分类 cs.CV、cs.AI
Comments 19 pages, 8 figures
机构 * Department of Computer Science Engineering(计算机科学与工程系) ; HKUST(香港科技大学)
专题命中 视觉推理 :visual question answering(abstract);分类 cs.CV、cs.AI
机构 * Graduate School of Artificial Intelligence, POSTECH(POSTECH人工智能研究生院) ; Department of Computer Science and Engineering, POSTECH(POSTECH计算机科学与工程系) ; Australian National University(澳大利亚国立大学)
专题命中 视觉推理 :vision-language model(abstract);分类 cs.CV、cs.LG
Comments 18 pages
机构 * Microsoft Research(微软研究院)
专题命中 视觉推理 :vision-language model(abstract);分类 cs.AI、cs.LG
专题命中 视觉推理 :visual reasoning(abstract);分类 cs.CV、cs.LG
Comments 24 pages, 10 figures, in submission. Project page: https://andrewliao11.github.io/LongPerceptualThoughts
专题命中 视觉推理 :LLaVA(abstract);分类 cs.CV、cs.AI
专题命中 视觉推理 :vision-language model(abstract);分类 cs.CV、cs.AI
专题命中 视觉推理 :visual reasoning(abstract);分类 cs.CV、cs.AI
Comments Submitted to arXiv. Code repository: https://github.com/arashsajjadi/TGraphX ||| https://git.cs.usask.ca/arash/tgraphx
专题命中 视觉推理 :grounding(abstract);分类 cs.CV、cs.AI
Comments 9 pages, preprint
专题命中 视觉推理 :visual reasoning(abstract);分类 cs.CV、cs.AI
Comments Accepted to ICLR 2025
专题命中 视觉推理 :multimodal large language model(abstract);分类 cs.CV、cs.AI
专题命中 视觉推理 :visual reasoning(abstract);分类 cs.CV、cs.AI
Comments Accepted by CVPR25
专题命中 视觉推理 :vision-language model(abstract);分类 cs.CV、cs.AI
专题命中 视觉推理 :multimodal large language model(abstract);分类 cs.CV、cs.AI
Comments Accepted at the ICLR 2025 Workshop on Reasoning and Planning for Large Language Models
专题命中 视觉推理 :grounding(abstract);分类 cs.AI、cs.LG
Comments Project page: https://zitniklab.hms.harvard.edu/TxAgent TxAgent code: https://github.com/mims-harvard/TxAgent ToolUniverse code: https://github.com/mims-harvard/ToolUniverse
专题命中 视觉推理 :visual question answering(abstract);分类 cs.CV、cs.AI
专题命中 视觉推理 :multimodal large language model(abstract);分类 cs.CV、cs.LG
专题命中 视觉推理 :VLM(abstract);分类 cs.CV、cs.AI
专题命中 视觉推理 :visual language model(abstract);分类 cs.AI、cs.LG
Comments 8 pages, 3 figures
专题命中 视觉推理 :vision-language model(abstract);分类 cs.AI、cs.LG
专题命中 视觉推理 :multimodal large language model(abstract);分类 cs.CV、cs.AI
Comments Accepted to ICASSP 2025
专题命中 视觉推理 :vision-language model(abstract);分类 cs.AI、cs.LG
Comments Project page: https://mizhenxing.github.io/ThinkDiff, 19 pages, 14 figures