会员服务
RetouchIQ: MLLM Agents for Instruction-Based Image Retouching with Generalist Reward
Arxiv
0+阅读 · 2月19日
A Contrastive Variational AutoEncoder for NSCLC Survival Prediction with Missing Modalities
Arxiv
0+阅读 · 2月19日
Projective Psychological Assessment of Large Multimodal Models Using Thematic Apperception Tests
Arxiv
0+阅读 · 2月19日
EntropyPrune: Matrix Entropy Guided Visual Token Pruning for Multimodal Large Language Models
Arxiv
0+阅读 · 2月19日
CT-Bench: A Benchmark for Multimodal Lesion Understanding in Computed Tomography
Arxiv
0+阅读 · 2月19日
Resp-Agent: An Agent-Based System for Multimodal Respiratory Sound Generation and Disease Diagnosis
Arxiv
0+阅读 · 2月19日
Characterizing the Predictive Impact of Modalities with Supervised Latent-Variable Modeling
Arxiv
0+阅读 · 2月19日
Normalization for multimodal type theory
Arxiv
0+阅读 · 2月19日
Collection: UAV-Based Wireless Multi-modal Measurements from AERPAW Autonomous Data Mule (AADM) Challenge in Digital Twin and Real-World Environments
Arxiv
0+阅读 · 2月19日
MCIF: Multimodal Crosslingual Instruction-Following Benchmark from Scientific Talks
Arxiv
0+阅读 · 2月19日
QuPAINT: Physics-Aware Instruction Tuning Approach to Quantum Material Discovery
Arxiv
0+阅读 · 2月19日
Multimodal Multi-Agent Empowered Legal Judgment Prediction
Arxiv
0+阅读 · 2月19日
Art2Mus: Artwork-to-Music Generation via Visual Conditioning and Large-Scale Cross-Modal Alignment
Arxiv
0+阅读 · 2月19日
How Multimodal Large Language Models Support Access to Visual Information: A Diary Study With Blind and Low Vision People
Arxiv
0+阅读 · 2月19日
VisPhyWorld: Probing Physical Reasoning via Code-Driven Video Reconstruction
Arxiv
0+阅读 · 2月19日
参考链接
微信扫码咨询专知VIP会员
Top