Comparative Study of Domain-adapted VLMs for General Document Visual Question Answering
用于通用文档视觉问答的领域适应视觉语言模型的比较研究
Miguel Lopez-Duran, Elena Marrero, Julian Fierrez, Marta Robledo-Moreno, Ruben Vera-Rodriguez, Daniel DeAlcala, Aythami Morales, Ruben Tolosana, Oscar Delgado, Alvaro Ortigosa, Javier Ortega-Garcia
机构
*
Universidad Autónoma de Madrid (UAM)（马德里自治大学）
；
BiometricsAI（生物识别人工智能）
机构
*
China University of Petroleum-Beijing at Karamay（中国石油大学（北京）克拉玛依校区）
；
Guizhou University（贵州大学）
；
Shenzhen Research Institute of Big Data（深圳大数据研究院）
；
Shanghai Jiao Tong University（上海交通大学）
Healthier LLMs: Retrieval-Augmented Generation for Public Health Question Answering
更健康的语言模型：用于公共卫生问答的检索增强生成
Felix Feldman, Joshua Harris, Timothy Laurence, Leo Loman, Ollie Higgins, Fan Grayson, Poonam Soma, Bethany Pace-Bonello, Michael Borowitz, Toby Nonnenmacher
MMAgent-R$^2$: Learning to Rerank and Reject for Agentic mRAG
MMAgent-R$^2$：用于智能mRAG的重排与拒绝学习
Tao Zhang, Ziqi Zhang, Zongyang Ma, Yuxin Yang, Bing Li, Chunfeng Yuan, Kang Rong, Fengyun Rao, Jing Lyu, Weiming Hu
机构
*
State Key Laboratory of Multimodal Artificial Intelligence Systems, CASIA（中国科学院复杂系统管理与控制国家重点实验室）
；
School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院）
；
Beijing Key Laboratory of Super Intelligent Security of Multi-Modal Information（北京多模态信息超智能安全重点实验室）
；
WeChat Vision, Tencent Inc.（腾讯微信视觉团队）
；
PeopleAI Inc.（人智公司）
；
School of Information Science and Technology, ShanghaiTech University（上海科技大学信息科学与技术学院）
Anthony Cioppa, Silvio Giancola, Håkan Ardö, Mohamad Dalal, Jan Held, Jérémie Ochin, Jiayuan Rao, Karen Sanchez, Renaud Vandeghen, Artur Xarles, Olivier Barnich, Albert Clapés, Mathieu Delvaux, Sergio Escalera, Bernard Ghanem, Cédric Hons, Antoine Houet, Sotiris Manitsaris, Tom Michel, Pierre Miralles, Thomas B. Moeslund, Mikael Nilsson, Bogdan Stanciulescu, Marc Van Droogenbroeck, Yanfeng Wang, Weidi Xie, Faisal Altawijri, Mohamed Atef, Semen Budennyy, Vasiliy Chelpanov, Puhua Chen, Yixin Chen, Lechao Cheng, Jianling Chu, Ju-Seong Do, Oleg Durygin, Omar Fetouh, Mirco Fuchs, Youssef Ghallab, Falguni Ghosh, Wonjun Heo, Yufeng Hu, Weixuan Huang, Phuong-Linh Huynh-Ha, Matvey Isupov, Yangguang Ji, Siyuan Jiang, Zhenxiang Jiang, Wonyong Jo, Ho-Young Jung, SeongHeon Kang, MinJae Kim, Youngseon Kim, Jakub Komosa, Artem Konshin, Trung-Hoang Le, Jongmin Lee, Lingling Li, Litao Li, Vadim Linkov, Fang Liu, Haoxuan Ma, Shun Makino, Ismail Mathkour, Konstantin Mitin, Mikhail Moiseev, Takumi Nagaya, Yuki Nakamura, Thanh-Khoi Nguyen, Hoang-Phuc Nguyen, Trong-Thuan Nguyen, Christian Orduz, Kwanyong Park, Fabian Perez, Parthsarthi Rawat, SuHyun Rim, Hoover Rueda-Chacón, Atom Scott, Minori Sugimura, Yuyang Sun, Shengeng Tang, Minh-Triet Tran, Ikuma Uchida, Juan Vanegas, Thanh-Nhan Vo, Jiangtao Wang, Yaxiong Wang, Xiaogang Wang, Ruifeng Wang, Rio Watanabe, Jiali Wen, Yongliang Wu, Di Yang, Xu Yang, Zhuo Yang, Xinyu Ye, Yibo Yu, Zihan Zhai, Yu Zhang, Zhenyu Zhao, Zhun Zhong, Yixi Zhou, Xingyu Zhu, Wenbo Zhu, Julian Ziegler
机构
*
University of Liège（列日大学）
；
King Abdullah University of Science and Technology（阿卜杜拉国王科技大学）
；
Spiideo（斯皮迪奥公司）
；
Aalborg University（奥尔堡大学）
；
SpAItial（斯帕蒂亚尔公司）
；
Center for Robotics, Mines Paris, PSL（巴黎矿业学院机器人中心（巴黎文理研究大学））
；
Footovision（Footovision公司）
；
Shanghai Jiao Tong University（上海交通大学）
；
Universitat de Barcelona（巴塞罗那大学）
；
Computer Vision Center（计算机视觉中心）
；
EVS Broadcast Equipment（EVS广播设备公司）
；
Pioneer Center for Artificial Intelligence（先锋人工智能中心）
；
Lund University（隆德大学）
；
TAHAKOM（TAHAKOM公司）
；
Mohamed Bin Zayed University for Artificial Intelligence (MBZUAI)（穆罕默德·本·扎耶德人工智能大学）
；
Sber AI（Sber人工智能公司）
；
Salute For Business（Salute For Business公司）
；
Intelligent Perception and Image Understanding Lab, Xidian University（西安电子科技大学智能感知与图像理解实验室）
；
South China University of Technology（华南理工大学）
；
Hefei University of Technology（合肥工业大学）
；
Kyungpook National University（庆北国立大学）
；
Leipzig University of Applied Sciences（莱比锡应用科学大学）
；
Friedrich-Alexander University Erlangen-Nuremberg（埃尔朗根-纽伦堡大学）
；
University of Seoul（首尔大学）
；
Shenzhen Institute for Advanced Study, University of Electronic Science and Technology of China（电子科技大学深圳高等研究院）
；
Nanjing University（南京大学）
；
University of Science, Ho Chi Minh City（胡志明市科技大学）
；
Nanyang Technological University（南洋理工大学）
；
National University of Singapore（新加坡国立大学）
机构
*
State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所多模态人工智能系统国家重点实验室）
；
School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院）
；
YUKUN Intelligent World（宇琨智能世界）
专题命中
视觉推理
：multimodal large language model(abstract)；分类 cs.CV、cs.AI
机构
*
Sun Yat-sen University（中山大学）
；
Key Laboratory of Machine Intelligence and Advanced Computing, Ministry of Education, China（教育部机器智能与先进计算重点实验室）
；
Imperial College London（帝国理工学院）
；
Tsinghua Shenzhen International Graduate School（清华大学深圳国际研究生院）
；
Shenzhen Loop Area Institute（深圳河套学院）
Vision Language Action (VLA) Models for Unmanned Aerial Robotics and Bimanual Manipulation: A Review
用于无人机机器人和双手操作的视觉语言动作（VLA）模型综述
Inkyu Sa, Chanoh Park, Hea-Min Lee, Donghee Noh, Ho Seok Ahn
机构
*
Chef Robotics
；
RovifyLab
；
IT Application Research Center, Jeonbuk Regional Branch
；
Department of Electrical, Computer and Software Engineering（电气与计算机软件工程系）
VLM-Aware Meta-Optic Front-End Design for Frozen Vision-Language Models
面向冻结视觉语言模型的VLM感知元光学前端设计
Chanik Kang, Raphaël Pestourie, Haejun Chung
机构
*
Department of Artificial Intelligence, Hanyang University（汉阳大学人工智能系）
；
School of Computational Science and Engineering, Georgia Institute of Technology（佐治亚理工学院计算科学与工程学院）
；
Department of Electronic Engineering, Hanyang University（汉阳大学电子工程系）
A Good Initialization is All You Need for Faithful Visual Attribution
忠实视觉归因只需一个良好的初始化
Zihan Gu, Jiayu Wang, Hua Zhang, Yue Hu
机构
*
Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所）
；
School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络空间安全学院）
