CFMS: A Coarse-to-Fine Multimodal Synthesis Framework for Enhanced Tabular Reasoning
CFMS:一种用于增强表格推理的粗到细多模态合成框架
专题命中 其他多模态 :multimodal(title,abstract);分类 cs.CL、cs.AI
AI总结 本文提出CFMS框架,通过粗到细的多模态合成方法提升表格推理能力,实验表明其在处理大表格和小模型时具有鲁棒性。
AI 大模型
跨文本、图像、视频、音频等模态的大模型与学习方法。
CFMS:一种用于增强表格推理的粗到细多模态合成框架
专题命中 其他多模态 :multimodal(title,abstract);分类 cs.CL、cs.AI
AI总结 本文提出CFMS框架,通过粗到细的多模态合成方法提升表格推理能力,实验表明其在处理大表格和小模型时具有鲁棒性。
在线教育平台用户满意度预测:基于大型语言模型的多模态评论挖掘框架
专题命中 其他多模态 :multi-modal(title,abstract)
AI总结 本文提出基于大型语言模型的多模态框架,通过整合文本、情感和行为数据,提升平台和课程层面用户满意度预测的准确性。
在多模态大语言模型中实现模态专精以在缺失模态下实现鲁棒的虚假新闻检测
机构 * Soochow University(苏州大学) ; Hong Kong University of Science and Technology(香港科技大学) ; Computer Science and Engineering, The Chinese University of Hong Kong(香港中文大学计算机科学与工程系) ; The Hong Kong University of Science and Technology(香港科技大学) ; FiT, Tencent(腾讯FiT) ; Alibaba Group(阿里巴巴集团) ; School of Computer Science and Engineering, Southeast University(东南大学计算机科学与工程学院) ; School of Education, Zhejiang Normal University(浙江师范大学教育学院)
专题命中 其他多模态 :multimodal(abstract);分类 cs.CV、cs.CL
AI总结 本文提出在多模态大语言模型中通过头级专精机制提升鲁棒性,以应对缺失模态下的虚假新闻检测,通过保留模态专精能力与利用稀疏单模注释提升检测性能。
谁负责方向?在特征匹配中研究不变性
机构 * Chalmers University of Technology(挑战者技术大学) ; Linköping University(林奈大学) ; University of Amsterdam(阿姆斯特丹大学)
专题命中 其他多模态 :multi-modal(abstract);分类 cs.CV
AI总结 研究在现代稀疏匹配流程中,特征描述符和匹配器中引入旋转不变性对性能的影响,发现早期在描述符中学习旋转不变性可提升匹配效率并提高泛化能力。
学习遗忘 -- 分层事件记忆用于终身机器人部署
机构 * Institute for Anthropomatics and Robotics, Karlsruhe Institute for Technology(卡尔斯鲁厄理工学院人形机器人与机器人研究所)
专题命中 其他多模态 :multimodal(abstract);分类 cs.AI
AI总结 本文提出H$^2$-EMV框架,通过用户交互帮助机器人学习选择性遗忘,以应对长期多模态感知存储限制,实验证明其在减少内存和查询时间的同时保持回答准确性,并随时间适应用户需求。
TAMISeg: 基于文本的多尺度医学图像分割与语义编码蒸馏
机构 * Department of Data Science and AI, Monash University(蒙纳士大学数据科学与人工智能系) ; College of Computer Science, Chongqing University(重庆大学计算机学院) ; Chongqing University Central Hospital, School of Medicine(重庆大学附属中心医院医学院)
专题命中 其他多模态 :multi-modal(abstract);分类 cs.CV
AI总结 TAMISeg通过整合临床语言提示和语义蒸馏增强视觉理解,减少对像素级标注的依赖,优于现有单模态和多模态方法。
Comments Accepted by IEEE International Conference on Multimedia and Expo (ICME), 2026
具有特异性的强化学习用于细粒度开放世界分类
机构 * University of Trento(特伦托大学) ; Fondazione Bruno Kessler(布鲁诺·凯斯勒基金会)
专题命中 其他多模态 :multimodal(abstract);分类 cs.CV
AI总结 本文提出SpeciaRL框架,通过强化学习提升细粒度开放世界分类的准确性和特异性,优于现有方法。
Comments Accepted at CVPR 2026
以人为中心的非侵入式驾驶员状态建模:利用个性化生理信号在现实世界中实现自动化驾驶
机构 * UNED(西班牙国立远程教育大学) ; UC3M(马德里卡洛斯三世大学)
专题命中 其他多模态 :multimodal(abstract)
AI总结 研究探讨了利用非侵入式生理信号进行个性化驾驶员状态建模的可行性,通过实验展示个性化模型在驾驶员意识识别中的高准确率,揭示了通用模型在跨用户泛化中的局限性。
Comments 17 pages (including references), 4 Figures, 4 Tables
双人合作(DP):迈向医疗机器人完全自主的缺失链接
专题命中 其他多模态 :multi-modal(abstract)
AI总结 本文提出双人合作(DP)概念,旨在通过智能协作提升医疗机器人自主性,探讨基础模型、意图识别和可视化等关键挑战。
穿行于缝隙中:通过逻辑桥接捕捉离散孤立模式
专题命中 其他多模态 :multimodal(abstract)
AI总结 本文提出HiSS算法,通过Metropolis-within-Gibbs框架提升混合效率,利用逻辑卷积核连接离散与连续变量,有效捕捉高维多模分布中的孤立模式。
利用贝叶斯非参数回归建模保险索赔
专题命中 其他多模态 :multimodal(abstract)
AI总结 本文提出利用贝叶斯非参数回归模型预测保险索赔频率和严重性,通过混合泊松回归和正态回归提高预测准确性。
Journal ref PLoS One 21(4): e0346734, 2026