Polish Medical Visual Question Answering: Vision-Language Models Underutilize Visual Evidence
波兰医学视觉问答：视觉语言模型未充分利用视觉证据
Jakub Pokrywka, Łukasz Grzybowski, Antoni Lasik, Marek Kubis, Jeremi Ignacy Kaczmarek, Wojciech Kusa
机构
*
ARAAI Poland（波兰ARAAI）
；
NASK National Research Institute（NASK国家研究院）
；
Poznań University of Medical Sciences（波兹南医科大学）
；
T. Marciniak Lower Silesian Specialist Hospital（T.马尔奇尼亚克下西里西亚专科医院）
；
Adam Mickiewicz University（亚当·密茨凯维奇大学）
Why Does Grounding Hurt Medical VQA? Benchmarking, Diagnosis, and Fine-Tuning of Vision-Language Models
对前沿视觉-语言模型进行审计以实现可信的医学视觉问答：定位失败、格式崩溃和领域适应
Xupeng Chen, Binbin Shi, Chenqian Le, Qifu Yin, Lang Lin, Haowei Ni, Ran Gong, Panfeng Li
机构
*
New York University, New York, USA（纽约大学）
；
Tsinghua University, Beijing, China（清华大学）
；
Columbia University, New York, USA（哥伦比亚大学）
；
University of Michigan, Ann Arbor, USA（密歇根大学）
WikiSeeker: Rethinking the Role of Vision-Language Models in Knowledge-Based Visual Question Answering
WikiSeeker: 重新思考视觉语言模型在基于知识的视觉问答中的作用
Yingjian Zhu, Xinming Wang, Kun Ding, Ying Wang, Bin Fan, Shiming Xiang
机构
*
School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院）
；
State Key Laboratory of Multimodal Artificial Intelligence Systems (MAIS), 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 (MAIS)）
Position, Not Provenance: Separating Reasoning Mediation from Sycophancy in Medical Vision-Language Models
位置，而非来源：在医学视觉-语言模型中分离推理中介与逢迎行为
Supratik Bhowal, Subhrajyoti Basu, Aritra Gir Mahanta, Anik Pal Chowdhury
机构
*
IEM Kolkata（印度工程管理学院 Kolkata校区）
；
School of UEMK Kolkata（UEMK Kolkata学院）
；
Heritage Institute of Technology Kolkata（加尔各答遗产技术学院）
；
Indian Institute of Information Technology, Kalyani（卡利亚尼印度信息技术学院）
Earth-OneVision: Extending Remote Sensing Multimodal Large Language Models to More Sensor Modalities and Tasks
Earth-OneVision：将遥感多模态大语言模型扩展到更多传感器模态和任务
Miaoxin Cai, Guanqun Wang, Wei Zhang, Guangyao Zhou, Yin Zhuang, Tong Zhang, Hao Wang, He Chen, Jun Li
机构
*
National Key Laboratory of Science and Technology on Space-Born Intelligent Information Processing (SBIIP), Beijing Institute of Technology（北京理工大学空间智能信息处理国家重点实验室）
；
Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院空天信息创新研究院）
；
Key Laboratory of Technology in Geo-Spatial Information Processing and Application System, Chinese Academy of Sciences（中国科学院地理空间信息处理与应用系统技术重点实验室）
；
Advanced Research Institute of Multidisciplinary Sciences, Beijing Institute of Technology（北京理工大学前沿交叉科学研究院）
；
School of Mechatronical Engineering, Beijing Institute of Technology（北京理工大学机电学院）
；
School of Earth and Space Sciences, Peking University（北京大学地球与空间科学学院）
；
School of Electronics, Peking University（北京大学电子学院）
；
School of Computer Science and Hubei Key Laboratory of Intelligent Geo-Information Processing（华中科技大学计算机科学与技术学院&湖北省智能地理信息处理重点实验室）
专题命中
视觉问答
：MLLM(summary_cn,abstract)；multimodal large language model(title)；grounding(abstract)；分类 cs.CV、cs.AI
Geospatial-Temporal Sensemaking of Remote Sensing Activity Detections with Multimodal Large Language Model
基于多模态大语言模型的遥感活动检测的时空感知
David F. Ramirez, Tim Overman, Kristen Jaskie, Andreas Spanias
机构
*
SenSIP Center, School of ECEE, Arizona State University（SenSIP中心，电子与计算机工程学院，亚利桑那州立大学）
；
Prime Solutions Group Inc（Prime Solutions Group公司）
；
Intelligence Advanced Research Projects Activity（智能高级研究计划局）
专题命中
视觉问答
：multimodal large language model(title)；LLaVA(abstract,abstract_cn)；MLLM(abstract,abstract_cn)；visual question answering(abstract)
From Head to Tail: Towards Balanced Representation in Large Vision-Language Models through Adaptive Data Calibration
Mingyang Song, Xiaoye Qu, Jiawei Zhou, Yu Cheng
机构
*
Fudan University（复旦大学）
；
Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
；
Stony Brook University（石溪大学）
；
The Chinese University of Hong Kong（香港中文大学）
MedLVR: Latent Visual Reasoning for Reliable Medical Visual Question Answering
MedLVR: 基于潜在视觉推理的可靠医学视觉问答
Suyang Xi, Songtao Hu, Yuxiang Lai, Wangyun Dan, Yaqi Liu, Shansong Wang, Xiaofeng Yang
机构
*
Department of Radiation Oncology and Winship Cancer Institute, Emory University School of Medicine（埃默里大学医学院放射肿瘤学系与温希普癌症研究所）
；
Department of Biostatistics and Bioinformatics, Emory University（埃默里大学生物统计学与生物信息学系）
