多模态大模型

Multi-Modal Guided Multi-Source Domain Adaptation for Object Detection

多模态引导的多源领域适应用于目标检测

Sangin Lee, Seokjun Kwon, Jeongmin Shin, Namil Kim, Yukyung Choi

机构 * Sejong University（世宗大学） ； NAVER LABS（NAVER实验室） ； Artificial Intelligence and Robotics Institute (AIRI)（人工智能与机器人研究所（AIRI）） 纠错

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

AI总结 本文提出MS-DePro方法，通过深度引导定位和多模态引导提示学习，提升多源领域适应性能，实现目标检测的最优效果。

State-resolved multimodal contributions to stratospheric polar vortex predictability

基于状态解析的多模式对平流层极涡可预测性的贡献

Shuo Yang, Dan Zhao, Tingting Xue, Chunhua Zeng, Yongwen Zhang, Xiaosong Chen

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

AI总结 本文基于状态解析框架，利用厄拉五数据和特征微状态理论，揭示了平流层极涡可预测性主要由平流层状态的持续性和更高阶结构及对流层变异性共同决定，为改进亚季节到季节预报提供了物理可解释路径。

Comments 16 pages, 4 figures

ThermalTap: Passive Application Fingerprinting in VR Headsets via Thermal Side Channels

ThermalTap: 通过热侧信道在VR头显中实现被动应用指纹

Mahsin Bin Akram, A H M Nazmus Sakib, OFM Riaz Rahman Aranya, Raveen Wijewickrama, Kevin Desai, Murtuza Jadliwala

机构 * Meta ； HTC 纠错

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

AI总结 本文提出ThermalTap，一种基于头显 chassis 发射的长波红外辐射的被动非接触侧信道攻击，用于远程推断VR应用，实验证明其在室内和室外环境下均具较高识别精度，揭示了沉浸式系统中热辐射作为隐私风险的本质问题。

A Note on the Folding Test of Unimodality: limitation and improved alternative

关于单峰性折叠检验的注记：局限性与改进的替代方法

Colombe Becquart, Aurore Archimbaud, Anne M. Ruiz, Zaineb Smida

专题命中 其他多模态 ：multimodal(abstract)

AI总结 本文指出单峰性折叠检验在特定混合分布中存在系统性失效问题，提出双折叠检验以提升多峰检测能力。

Collaborative Parameter Learning: Mitigating Forgetting via Parameter-Level Gradient Analysis

协同参数学习：通过参数级梯度分析缓解遗忘

Mutian Yang, Zisen Zhan, Yutong Chen, Haolin Li, Kaiwen Wang, Kaili Zheng, Yuguang Wang, Qi Wang, Jiandong Gao, Ji Wu

机构 * Department of Electronic Engineering, Tsinghua University, Beijing, China（清华大学电子工程系，北京，中国） ； Institute of Medical Technology, Peking University Health Science Center, Peking University, Beijing, China（北京大学医学部医学技术研究所，北京大学，北京，中国） ； College of Information Science and Engineering, Northeastern University, Shenyang, China（东北大学信息科学与工程学院，沈阳，中国） ； College of AI, Tsinghua University, Beijing, China（清华大学人工智能学院，北京，中国） ； Beijing National Research Center for Information Science and Technology, Beijing, China（北京信息科学与技术国家研究中心，北京，中国） 纠错

专题命中 其他多模态 ：multimodal(abstract)

AI总结 本文提出协同参数学习方法，通过分析参数级梯度相似性，识别冲突参数和协作参数，冻结冲突参数以减少遗忘，提升模型在多任务和多语言场景下的表现。