视觉大模型 / VLM

ReVis: Towards Reusable Image-Based Visualizations with MLLMs

ReVis：面向基于图像的可视化可重用性的方法

Xiaolin Wen, Changlin Li, Manusha Karunathilaka, Can Liu, Fangzhuo Jin, Yong Wang

专题命中 其他VLM ：MLLM(summary_cn,abstract)

AI总结 ReVis通过引入领域特定语言和MLLM管道，实现复杂可视化的灵活重用，支持分解与再现，并通过交互界面实现数据更新与编码定制。

1S-DAug: One-Shot Data Augmentation for Robust Few-Shot Generalization

1S-DAug：一种用于鲁棒少样本泛化的单次数据增强

Yunwei Bai, Ying Kiat Tan, Yao Shu, Tsuhan Chen

机构 * National University of Singapore（新加坡国立大学） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

专题命中 其他VLM ：vision language model(abstract,abstract_cn)；分类 cs.CV、cs.AI、cs.LG

AI总结 本文提出1S-DAug，一种基于单例图像生成多样且忠实变体的生成增强算子，通过结合传统几何扰动、受控噪声注入和去噪扩散过程，提升少样本分类性能，实现在多个基准测试中提升20%的准确率。

MARCH: Multi-Agent Radiology Clinical Hierarchy for CT Report Generation

MARCH：多智能体放射科临床层级用于CT报告生成

Yi Lin, Yihao Ding, Yonghui Wu, Yifan Peng

机构 * Weill Cornell Medicine（韦尔·科恩医学中心） ； University of Western Australia（西澳大学） ； University of Florida（佛罗里达大学） 纠错

专题命中 其他VLM ：vision-language model(abstract)；分类 cs.CV、cs.AI

AI总结 MARCH通过模拟放射科专业层级，采用多智能体框架提升CT报告生成的临床准确性和语言准确性。

Comments Accepted by ACL 2026 main conference