GTA-Net: Cooperative Game Theory for Vision-Language Alignment in Chest X-Ray Report Generation
GTA-Net：合作博弈论在胸部X光报告生成中的视觉-语言对齐
Saif ur Rehman Khan, Imad Ahmed Waqar, Sebastian Vollmer, Andreas Dengel, Muhammad Nabeel Asim
机构
*
Department of Computer Science, Rhineland-Palatinate Technical University of Kaiserslautern-Landau（莱茵兰-普法尔茨凯泽斯劳滕-兰道工业大学计算机科学系）
；
German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心）
；
IntelligentX GmbH
Modality-Aware Feature Matching in Visual and Vision-Language Applications: A Comprehensive Survey
视觉与视觉-语言应用中的模态感知特征匹配：全面综述
Weide Liu, Wei Zhou, Jun Liu, Ping Hu, Jun Cheng, Jungong Han, Weisi Lin
机构
*
School of Computing and Artificial Intelligence, Jiangxi University of Finance and Economics（江西财经大学计算机与人工智能学院）
；
College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算机与数据科学学院）
；
School of Computer Science and Informatics, Cardiff University（卡迪夫大学计算机科学与信息学院）
；
School of Computing and Communications, Lancaster University（兰卡斯特大学计算机与通讯学院）
；
School of Computer Science and Engineering, University of Electronic Science and Technology of China（电子科技大学计算机科学与工程学院）
；
Institute for Infocomm Research, Agency for Science, Technology and Research (A*STAR)（新加坡资讯研究院，科技研究局（A*STAR））
；
Department of Automation, Tsinghua University（清华大学自动化系）
CapRL++: Unified Reinforcement Learning with Verifiable Rewards for Dense Image and Video Captioning
CapRL++：基于可验证奖励的统一强化学习用于密集图像和视频描述生成
Penghui Yang, Long Xing, Xiaoyi Dong, Yuhang Zang, Yuhang Cao, Yibin Wang, Yujie Zhou, Jiazi Bu, Jianze Liang, Qidong Huang, Jiaqi Wang, Feng Wu, Dahua Lin
机构
*
Tsinghua University（清华大学）
；
University of Science and Technology of China（中国科学技术大学）
；
Microsoft（微软）
；
Shanghai AI Laboratory（上海人工智能实验室）
；
Shanghai Innovation Institute（上海创新研究院）
；
Alibaba Cloud（阿里云）
；
The Chinese University of Hong Kong（香港中文大学）
机构
*
Dwarkadas Jivanlal Sanghvi College of Engineering（达沃拉斯·吉万拉尔·桑格维工程学院）
；
King’s College London（伦敦国王学院）
；
Indian Institute of Technology Jodhpur（印度理工学院朱罗普尔）
TraversalBench: Challenging Paths to Follow for Vision Language Models
TraversalBench: 为视觉语言模型设计的复杂路径挑战测试集
Clara Petrova, Zhuo Chen, Marin Soljačić
机构
*
Massachusetts Institute of Technology, Department of Physics（麻省理工学院物理系）
；
Massachusetts Institute of Technology, Institute for Data, Systems, and Society（麻省理工学院数据、系统与社会研究所）
；
NSF AI Institute for Artificial Intelligence and Fundamental Interactions（国家科学基金会人工智能与基本相互作用AI研究所）
Efficient Onboard Vision-Language Inference in UAV-Enabled Low-Altitude Economy Networks via LLM-Enhanced Optimization
基于LLM增强优化的无人机低空经济网络高效机载视觉-语言推理
Yang Li, Ruichen Zhang, Yinqiu Liu, Guangyuan Liu, Abbas Jamalipour, Xianbin Wang, Dong In Kim
机构
*
College of Computing and Data Science, Nanyang Technological University, Singapore（计算与数据科学学院、新加坡国立科技大学）
；
The University of Sydney, Sydney, Australia（悉尼大学、澳大利亚悉尼）
；
Department of Electrical and Computer Engineering, Western University, London, Canada（电气与计算机工程系、西方大学、加拿大伦敦）
；
Department of Electrical and Computer Engineering, Sungkyunkwan University, South Korea（电气与计算机工程系、全州大学、韩国）
CL-CLIP: CLIP-Based Continual Learning Framework with Cost-Volume Category Decoupling for Object Detection
CL-CLIP: 基于CLIP的持续学习框架与代价体积类别解耦用于目标检测
Zihan Liu, Yuguang Yang, Shengjie Su, Jianing Pang, Linlin Yang, Chunyu Xie, Nikolai Yu. Zolotykh, Baochang Zhang
机构
*
National College for Excellent Engineers, Beihang University（卓越工程师学院，北京航空航天大学）
；
AI Research, Qihoo 360（360人工智能研究院，奇虎360）
；
School of Electronic Information Engineering, Beihang University（电子信息学院，北京航空航天大学）
；
School of Cyber Science and Technology, Beihang University（网络安全科学与技术学院，北京航空航天大学）
；
School of Computer Science and Engineering, Beihang University（计算机科学与工程学院，北京航空航天大学）
；
State Key Laboratory of Media Convergence and Communication, Communication University of China（媒体融合与传播国家重点实验室，中国传媒大学）
；
Institute of Information Technology, Mathematics and Mechanics, Lobachebsky University（信息技术、数学与力学学院，洛瓦茨基大学）
；
School of Artificial Intelligence, Beihang University（人工智能学院，北京航空航天大学）
