CommentsAccepted at Workshop on Integrating Image Processing with Large-Scale Language/Vision Models for Advanced Visual Understanding (LVLM) at IEEE International Conference on Image Processing (ICIP) 2025
GroundedSurg: A Multi-Procedure Benchmark for Language-Conditioned Surgical Tool Segmentation
GroundedSurg: 一种多手术流程的语言条件手术工具分割基准
Tajamul Ashraf, Abrar Ul Riyaz, Wasif Tak, Tavaheed Tariq, Sonia Yadav, Moloud Abdar, Janibul Bashir
机构
*
King Abdullah University of Science and Technology (KAUST)（卡奥尔大学科学与技术学院）
；
Thapar Institute of Engineering and Technology（塔帕尔工程与技术学院）
；
The University of Queensland（昆士兰大学）
；
Gaash Research Lab, National Institute of Technology Srinagar（加什研究实验室，锡纳加尔国家理工学院）
Customizing Visual Emotion Evaluation for MLLMs: An Open-vocabulary, Multifaceted, and Scalable Approach
为MLLMs定制视觉情绪评估：一种开放词汇、多维且可扩展的方法
Daiqing Wu, Dongbao Yang, Sicheng Zhao, Can Ma, Yu Zhou
机构
*
Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所）
；
VCIP & TMCC & DISSec, College of Computer Science, Nankai University（南开大学计算机学院）
；
Department of Psychological and Cognitive Sciences, Tsinghua University（清华大学心理学与认知科学系）
；
University of Chinese Academy of Sciences（中国科学院大学）
专题命中
视觉定位与Grounding
：multimodal large language model(abstract)；MLLM(abstract)；分类 cs.CV
Hidden in the Metadata: Stealth Poisoning Attacks on Multimodal Retrieval-Augmented Generation
元数据中的隐藏攻击：多模态检索增强生成中的隐秘污染攻击
Kennedy Edemacu, Mohammad Mahdi Shokri
机构
*
The City University of New York, CSI, Staten Island, NY 10314, USA（纽约城市大学，CSI，史泰登岛分校）
；
The City University of New York, Graduate Center, New York, NY 10016, USA（纽约城市大学研究生中心）
专题命中
视觉定位与Grounding
：grounding(abstract)；multimodal large language model(abstract)；分类 cs.AI
CloDS: Visual-Only Unsupervised Cloth Dynamics Learning in Unknown Conditions
CloDS: 未知条件下的视觉-only 无监督布料动力学学习
Yuliang Zhan, Jian Li, Wenbing Huang, Wenbing Huang, Yang Liu, Hao Sun
机构
*
Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学北京校区人工智能学院）
；
School of Engineering Science, University of Chinese Academy of Sciences（中国科学院大学工程科学学院）
机构
*
Shanghai Jiao Tong University（上海交通大学）
；
Shanghai Innovation Institute（上海创新研究院）
；
Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
；
The Chinese University of Hong Kong（香港中文大学）
；
Harbin Institute of Technology（哈尔滨工业大学）
；
CPII under InnoHK（InnoHK下的CPII）
FiLo: Zero-Shot Anomaly Detection by Fine-Grained Description and High-Quality Localization
FiLo：通过细粒度描述和高质量定位实现零样本异常检测
Zhaopeng Gu, Bingke Zhu, Guibo Zhu, Yingying Chen, Hao Li, Ming Tang, Jinqiao Wang
机构
*
Foundation Model Research Center, Institute of Automation, Chinese Academy of Sciences, Beijing, China（中国科学院自动化研究所基础模型研究中心）
；
University of Chinese Academy of Sciences, Beijing, China（中国科学院大学）
；
Objecteye Inc., Beijing, China（Objecteye公司）
；
Central South University, Hunan, China（中南大学）
EfficientPosterGen: Semantic-aware Efficient Poster Generation via Token Compression and Accurate Violation Detection
EfficientPosterGen: 通过令牌压缩和准确违规检测的语义感知高效海报生成
Wenxin Tang, Jingyu Xiao, Yanpei Gong, Fengyuan Ran, Tongchuan Xia, Junliang Liu, Man Ho Lam, Wenxuan Wang, Michael R. Lyu
机构
*
Tsinghua University（清华大学）
；
The Chinese University of Hong Kong（香港中文大学）
；
Harbin Institute of Technology（哈尔滨工业大学）
；
Wuhan University（武汉大学）
；
Beijing University of Posts and Telecommunications（北京邮电大学）
；
Dalian Maritime University（大连海事大学）
；
Renmin University of China（中国人民大学）
专题命中
视觉定位与Grounding
：multimodal large language model(abstract)；分类 cs.CV、cs.AI
Non-Markovian Long-Horizon Robot Manipulation via Keyframe Chaining
非马尔可夫长时间 horizon 机器人操作 via 关键帧链
Yipeng Chen, Wentao Tan, Lei Zhu, Fengling Li, Jingjing Li, Guoli Yang, Heng Tao Shen
机构
*
Tongji University（同济大学）
；
University of Technology Sydney（技术悉尼大学）
；
University of Electronic Science and Technology of China（电子科学与技术大学）
；
Advanced Institute of Big Data（大数据先进研究院）
机构
*
National Anti-Counterfeit Engineering Research Center, Huazhong University of Science and Technology（华中科技大学反伪工程研究中心）
；
School of Electronic Information and Communications, Huazhong University of Science and Technology（华中科技大学电子信息与通信学院）
；
Sydney AI Centre, The University of Sydney（悉尼大学AI中心）
机构
*
Guangzhou Institute of Technology, Xidian University, Xi’an, China（广州科技研究院，西安电子科技大学，中国）
；
Department of Computer Science, Tianjin University of Technology, Tianjin, China（天津理工大学计算机学院，天津，中国）
；
Department of Respiratory, The Second Hospital of Tianjin Medical University, China（天津医科大学第二医院呼吸科，中国）
；
College of Pulmonary and Critical Care Medicine, Chinese PLA General Hospital, Beijing, China（中国人民解放军总医院呼吸与危重症医学科，北京，中国）
；
HeartVoice Medical Technology, Hefei, China（合肥心声医疗技术有限公司，中国）
；
School of Life Science and Technology, Xidian University, Xi’an, China（西安电子科技大学生命科学与技术学院，中国）
；
National Institute of Health Data Science, Peking University, Beijing, China（北京大学国家健康数据科学研究院，北京，中国）
；
Institute for Artificial Intelligence, Peking University, Beijing, China（北京大学人工智能研究院，北京，中国）
专题命中
视觉定位与Grounding
：multimodal large language model(abstract)；分类 cs.AI
DAWA: Dynamic Ambiguity-Wise Adaptation for Real-Time Domain Adaptive Semantic Segmentation
DAWA: 动态模糊度适应于实时领域自适应语义分割
Taorong Liu, Zhen Zhang, Liang Liao, Jing Xiao, Chia-Wen Lin
机构
*
School of Computer Science, Wuhan University（武汉大学计算机学院）
；
Hangzhou Institute of Technology, Xidian University（西安电子科技大学杭州研究院）
；
School of Artificial Intelligence, Wuhan University（武汉大学人工智能学院）
；
Department of Electrical Engineering（电气工程系）
；
the Institute of Communications Engineering, National Tsing Hua University（清华大学通信工程研究所）
