多模态大模型

Improving Sensing Coverage and Compliance of 3D-Printed Artificial Skins Through Multi-Modal Sensing and Soft Materials

通过多模感知和柔性材料提升3D打印人工皮肤的感知覆盖与合规性

Carson Kohlbrenner, Caleb Escobedo, Sayak Ray, Alexander Dickhans, Anna Soukhovei, Nickolaus Jackoski, Lyle Antieau, Alessandro Roncone

机构 * University of Colorado Boulder（科罗拉多大学波尔得分校） 纠错

专题命中 多模态Agent ：multi-modal(title,abstract)

AI总结 本文提出结合时间飞行和自电容传感的柔性皮肤，实现多模感知、压力传感与电接口优化，提升3D打印人工皮肤的实用性和覆盖能力。

Comments This work was accepted at the "Towards Large-Area Tactile Sensing Skins: From Scalable Materials to Embodied Robotic Perception" workshop at the International Conference on Robotics and Automation (ICRA) 2026

CRC-SAM: SAM-Based Multi-Modal Segmentation and Quantification of Colorectal Cancer in CT, Colonoscopy, and Histology Images

CRC-SAM：基于SAM的多模态结直肠癌在CT、结肠镜和组织学图像中的分割与量化

Daniel Lao

机构 * Independent researcher（独立研究者） 纠错

专题命中 多模态Agent ：multi-modal(title)；分类 cs.CV

AI总结 本文提出CRC-SAM框架，实现跨结肠镜、CT和病理图像的结直肠癌分割，通过LoRA层实现高效领域迁移，实验显示在多个数据集上优于现有方法。

Comments 4 pages, 3 figures, ISBI 2026 oral presentation

AdaTooler-V: Adaptive Tool-Use for Images and Videos

AdaTooler-V：面向图像和视频的自适应工具使用

Chaoyang Wang, Kaituo Feng, Dongyang Chen, Zhongyu Wang, Zhixun Li, Sicheng Gao, Meng Meng, Xu Zhou, Manyuan Zhang, Yuzhang Shang, Xiangyu Yue

机构 * MMLab, CUHK（香港中文大学MML实验室） ； THU（清华大学） ； SJTU（上海交通大学） ； DB Group, CUHK（香港中文大学DB小组） ； UCF（佛罗里达大学） ； Sangfor（Sangfor公司） ； JMU（约翰·霍普金斯大学） 纠错

专题命中 多模态Agent ：multimodal(abstract)；MLLM(abstract)；分类 cs.CV

AI总结 本文提出AdaTooler-V，通过自适应工具使用提升多模态大语言模型的视觉推理能力，通过强化学习算法和定制数据集优化工具调用策略，实验证明其在多种视觉任务中表现优异。

Comments ACL 2026 Findings, Project page: https://github.com/CYWang735/AdaTooler-V

CoRE: Concept-Reasoning Expansion for Continual Brain Lesion Segmentation

CoRE：基于概念推理的连续脑病变分割

Qianqian Chen, Anglin Liu, Jingyang Zhang, Yudong Zhang

机构 * Southeast University, Nanjing, China（东南大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） 纠错

专题命中 多模态Agent ：multimodal(abstract)；分类 cs.CV、cs.AI

AI总结 本文提出CoRE框架，通过整合视觉特征与结构化概念，解决连续学习中容量限制和冗余参数增长问题，实现基于临床先验的模型进化。