Cattle-CLIP: A Multimodal Framework for Cattle Behaviour Recognition from Video
Cattle-CLIP：一种用于从视频中识别牛行为的多模态框架
Huimin Liu, Jing Gao, Daria Baran, AxelX Montout, Neill W Campbell, Andrew W Dowsey
机构
*
Bristol Veterinary School, University of Bristol（布里斯托尔大学布里斯托尔兽医学院）
；
School of Computer Science, University of Bristol（布里斯托尔大学计算机科学学院）
；
Joint Institute of Qingdao Huanghai University and WeITec, Qingdao Huanghai University（青岛黄海学院与WeITec联合学院，青岛黄海学院）
Unified Cross-modal Translation of Score Images, Symbolic Music, and Performance Audio
统一的跨模态评分图像、符号音乐和表演音频翻译
Jongmin Jung, Dongmin Kim, Sihun Lee, Seola Cho, Hyungjoon Soh, Irmak Bukey, Chris Donahue, Dasaem Jeong
机构
*
Department of Artificial Intelligence, Sogang University（西江大学人工智能系）
；
Sogang Future Lab, Sogang University（西江大学未来实验室）
；
Department of Physics Education, Seoul National University（首尔大学物理教育系）
；
Computer Science Department, Carnegie Mellon University（卡内基梅隆大学计算机科学系）
；
Department of Art & Technology, Sogang University（西江大学艺术与技术系）
Generalizable Audio-Visual Navigation via Binaural Difference Attention and Action Transition Prediction
通过双耳差异注意力和动作转移预测实现可泛化的音频视觉导航
Jia Li, Yinfeng Yu
机构
*
Joint Research Laboratory for Embodied Intelligence, Xinjiang University（新疆大学联合具身智能研究实验室）
；
Joint International Research Laboratory of Silk Road Multilingual Cognitive Computing, Xinjiang University（新疆大学丝绸之路多语言认知计算联合国际研究实验室）
；
School of Computer Science and Technology, Xinjiang University（新疆大学计算机科学与技术学院）
机构
*
Nanyang Technological University（南洋理工大学）
；
Singapore University of Technology and Design（新加坡科技设计大学）
；
The Hong Kong Polytechnic University（香港理工大学）
MINED: Probing and Updating with Multimodal Time-Sensitive Knowledge for Large Multimodal Models
MINED：利用多模态时间敏感知识进行探测与更新以提升大多模态模型
Kailin Jiang, Ning Jiang, Yuntao Du, Yuchen Ren, Yuchen Li, Yifan Gao, Jinhe Bi, Yunpu Ma, Bin Li, Lei Liu, Qing Li
机构
*
University of Science and Technology of China（中国科学技术大学）
；
State Key Laboratory of General Artificial Intelligence, BIGAI（通用人工智能国家重点实验室，北京通用人工智能研究院）
；
Northeast Forestry University（东北林业大学）
；
C-FAIR&school of software, Shandong University（山东大学软件学院C-FAIR）
；
State Key Lab. for Novel Software Technology, Nanjing University（南京大学计算机软件新技术国家重点实验室）
；
The University of Sydney（悉尼大学）
；
Anhui Polytechnic University（安徽工程大学）
；
Ludwig Maximilian University of Munich（慕尼黑大学）
Watch Before You Answer: Learning from Visually Grounded Post-Training
在回答前观看：从视觉引导的后训练中学习
Yuxuan Zhang, EunJeong Hwang, Huaisong Zhang, Penghui Du, Yiming Jia, Dongfu Jiang, Xuan He, Shenhui Zhang, Ping Nie, Peter West, Kelsey R. Allen
机构
*
University of British Columbia（不列颠哥伦比亚大学）
；
Vector Institute（向量研究所）
；
Etude AI
；
Kolors Team, Kuaishou Technology（快手科技Kolors团队）
；
University of Toronto（多伦多大学）
；
University of Waterloo（滑铁卢大学）
；
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
HybridKV: Hybrid KV Cache Compression for Efficient Multimodal Large Language Model Inference
HybridKV: 为高效多模态大语言模型推理设计的混合KV缓存压缩
Bowen Zeng, Feiyang Ren, Jun Zhang, Xiaoling Gu, Ke Chen, Lidan Shou, Huan Li
机构
*
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）
；
Hangzhou High-Tech Zone (Binjiang) Institute of Blockchain and Data Security（杭州高新区（滨江）区块链与数据安全研究院）
；
Hangzhou Dianzi University（杭州电子科技大学）
PDMP: Rethinking Balanced Multimodal Learning via Performance-Dominant Modality Prioritization
PDMP：通过性能主导模态优先级重思平衡多模态学习
Shicai Wei, Chunbo Luo, Qiang Zhu, Yang Luo
机构
*
Laboratory of Intelligent Collaborative Computing, University of Electronic Science and Technology of China（电子科技大学智能协同计算实验室）
；
School of Information and Communication Engineering, University of Electronic Science and Technology of China（电子科技大学信息与通信工程学院）
；
Peng Cheng Laboratory（鹏城实验室）
