多模态大模型

Interactive State Space Model with Cross-Modal Local Scanning for Depth Super-Resolution

交互式状态空间模型与跨模态局部扫描用于深度超分辨率

Chen Wu, Ling Wang, Zhuoran Zheng, Xiangyu Chen, Jingyuan Xia, Weidong Jiang, Jiantao Zhou

机构 * National University of Defense Technology（国防科技大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Sun Yat-sen University（中山大学） ； Institute of Artificial Intelligence (TeleAI), China Telecom（中国电信人工智能研究院（TeleAI）） ； University of Macau（澳门大学） 纠错

专题命中 其他多模态 ：cross-modal(title,abstract)；分类 cs.CV

AI总结 本文提出交互式状态空间模型，通过跨模态局部扫描实现RGB与深度特征的细粒度语义交互，提升深度超分辨率的效率与语义交互能力。

Comments ISCAS2026

STAGE: Tackling Semantic Drift in Multimodal Federated Graph Learning

STAGE：应对多模态联邦图学习中的语义漂移

Zekai Chen, Xun Wu, Xunkai Li, Yihan Sun, Rong-Hua Li, Guoren Wang

机构 * Beijing Institute of Technology（北京理工大学） ； Minzu University of China（民族大学） 纠错

专题命中 其他多模态 ：multimodal(title,abstract)

AI总结 STAGE提出一种协议优先框架，通过构建共享语义空间解决多模态联邦图学习中的语义漂移问题，提升跨客户端语义校准并减少图学习中的不一致性风险。

Multi-modal Bayesian Neural Network Surrogates with Conjugate Last-Layer Estimation

多模态贝叶斯神经网络代理模型与共轭最后一层估计

Ian Taylor, Juliane Mueller, Julie Bessac

机构 * National Laboratory of the Rockies（落基山脉国家实验室） 纠错

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

AI总结 本文提出两种多模态贝叶斯神经网络代理模型，利用共轭分布估计参数，提升多模态数据下标量和时间序列的预测精度与不确定性量化。

Comments 47 pages including references and appendix, 9 figures

Multi-Variable Conformal Prediction: Optimizing Prediction Sets without Data Splitting

多变量符合预测：无需数据分割的预测集优化

Laura Lützow, Simone Garatti, Marco C. Campi, Lars Lindemann, Matthias Althoff

机构 * TU Munich & MCML, Germany（慕尼黑技术大学及MCML，德国） ； Politecnico di Milano, Italy（米兰理工学院，意大利） ； University of Brescia, Italy（布雷西亚大学，意大利） ； ETH Zürich, Switzerland（苏黎世联邦理工学院，瑞士） 纠错

专题命中 其他多模态 ：multi-modal(abstract)

AI总结 本文提出多变量符合预测框架，通过统一预测集设计与校准为单优化问题，无需数据分割即可保证覆盖概率。RemMCP和RelMCP在椭圆和多模预测集中表现出更小的预测集大小和更低的方差。

SHIELD: Scalable Optimal Control with Certification using Duality and Convexity

SHIELD：利用对偶性和凸性进行可扩展最优控制的认证方法

Hansung Kim, Siddharth H. Nair, Francesco Borrelli

机构 * Model Predictive Control Laboratory, UC Berkeley（模型预测控制实验室，加州大学伯克利分校） ； Nextracker Inc（Nextracker公司） 纠错

专题命中 其他多模态 ：multi-modal(abstract)

AI总结 SHIELD通过减少决策变量维度和约束集，结合对偶性和强凸性，提供安全约束删除证书，加速算法并验证在复杂交通场景中的SMPC效果，实现高效可行的轻量MPC。