多模态大模型

Efficient Analytic Uncertainty Quantification for Multi-Modal Regression

多模态回归的高效解析不确定性量化

Kun Jin, James Harrison, Jiawei Li, Sihan Liu, Jiayi Liu, Randolph Linderman, Yuening Li, Arnab Bhadury, Sourabh Prakash Bansod, Liang Liu, Jasper Snoek

机构 * Google（谷歌） ； Google DeepMind（谷歌DeepMind） 纠错

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

AI总结 针对多模态回归中现有不确定性量化方法效率低或假设过强的问题，提出基于变分贝叶斯推断的统一框架，将分位数回归和分类恢复模型转化为解析ELBO和闭式预测密度，实现高效准确的不确定性量化，在三个大规模基准上超越现有方法。

Distributed SDN-Based Communication Architecture for the Pods4Rail System

基于分布式SDN的Pods4Rail系统通信架构

Dingyang Liu, Dereje Mechal Molla, Léo Mendiboure, Marion Berbineau

专题命中 其他多模态 ：multimodal(abstract)

AI总结 提出一种集成SDN和MEC的分布式通信架构，通过分层控制实现低延迟、高可靠性的铁路-公路多式联运通信，控制器通信和流设置延迟低于现有文献。

Journal ref Proceedings of the 11th TRA Conference, May 2026, Budapest, Hungary

Variational Inference via Entropic Transport Descent

通过熵传输下降的变分推断

Vincent Pacelli, Akash Ratheesh, Evangelos Theodorou

机构 * School of Aerospace Engineering（航空航天工程学院） ； Georgia Institute of Technology（佐治亚理工学院） ； Atlanta, GA 30332（亚特兰大, GA 30332） 纠错

专题命中 其他多模态 ：multimodal(abstract)

AI总结 提出熵传输下降（ETD），一种基于粒子变分推断方法，通过熵正则化最优传输实现全局协调，避免高维方差坍塌和多模态模式坍塌，无需评分函数。

Comments 28 pages, 1 figure

Visual Matters: Connecting Aesthetic Appeal and Production Quality of Photos, Infographics and Data Visualizations to Credibility of Social Media Posts

视觉问题：将照片、信息图和数据可视化的美学吸引力和制作质量与社交媒体帖子的可信度联系起来

Salman Khawar, Yingdan Lu, Yilang Peng, Jiyoung Yeon, Cuihua Shen

专题命中 其他多模态 ：multimodal(abstract)

AI总结 本研究基于处理流畅性理论，通过实验比较照片、信息图、数据可视化和纯文本帖子，发现视觉帖子（尤其是照片和信息图）比纯文本帖子更可信，美学吸引力通过处理流畅性部分中介提升可信度，而制作质量无显著影响。

Zero-Shot Denoising for Fluorescence Lifetime Imaging Microscopy with Intensity-Guided Learning

零样本去噪用于荧光寿命成像显微镜的强度引导学习

Hao Chen, Julian Najera, Dagmawit Geresu, Meenal Datta, Cody Smith, Scott Howard

专题命中 其他多模态 ：multimodal(abstract)

AI总结 本文提出一种零样本去噪框架，通过强度引导学习在荧光寿命成像显微镜中提升图像质量，保留生物信息，优于现有方法。

Comments 9 pages,4 figures and 2 tables

Journal ref In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, pp. 4758-4767. 2025