会员服务
HFS: Holistic Query-Aware Frame Selection for Efficient Video Reasoning
Arxiv
0+阅读 · 12月12日
OMNIGUARD: An Efficient Approach for AI Safety Moderation Across Languages and Modalities
Arxiv
0+阅读 · 12月9日
ReGATE: Learning Faster and Better with Fewer Tokens in MLLMs
Arxiv
0+阅读 · 11月28日
Parameter Efficient Multimodal Instruction Tuning for Romanian Vision Language Models
Arxiv
0+阅读 · 12月16日
AI-Powered Dermatological Diagnosis: From Interpretable Models to Clinical Implementation A Comprehensive Framework for Accessible and Trustworthy Skin Disease Detection
Arxiv
0+阅读 · 12月18日
GUI-AIMA: Aligning Intrinsic Multimodal Attention with a Context Anchor for GUI Grounding
Arxiv
0+阅读 · 11月10日
GUI-AIMA: Aligning Intrinsic Multimodal Attention with a Context Anchor for GUI Grounding
Arxiv
0+阅读 · 11月2日
Lost in Time? A Meta-Learning Framework for Time-Shift-Tolerant Physiological Signal Transformation
Arxiv
0+阅读 · 11月26日
MMDocIR: Benchmarking Multimodal Retrieval for Long Documents
Arxiv
0+阅读 · 11月7日
Explaining Similarity in Vision-Language Encoders with Weighted Banzhaf Interactions
Arxiv
0+阅读 · 11月18日
DyFuLM: An Advanced Multimodal Framework for Sentiment Analysis
Arxiv
0+阅读 · 12月1日
Navigating in the Dark: A Multimodal Framework and Dataset for Nighttime Traffic Sign Recognition
Arxiv
0+阅读 · 11月21日
Singing Timbre Popularity Assessment Based on Multimodal Large Foundation Model
Arxiv
0+阅读 · 12月7日
Auditing M-LLMs for Privacy Risks: A Synthetic Benchmark and Evaluation Framework
Arxiv
0+阅读 · 11月9日
Auditing M-LLMs for Privacy Risks: A Synthetic Benchmark and Evaluation Framework
Arxiv
0+阅读 · 11月5日
参考链接
微信扫码咨询专知VIP会员
Top