会员服务
Think3D: Thinking with Space for Spatial Reasoning
Arxiv
0+阅读 · 2月4日
Making Videos Accessible for Blind and Low Vision Users Using a Multimodal Agent Video Player
Arxiv
0+阅读 · 2月4日
VisGym: Diverse, Customizable, Scalable Environments for Multimodal Agents
Arxiv
0+阅读 · 1月23日
FOCAL: A Novel Benchmarking Technique for Multi-modal Agents
Arxiv
0+阅读 · 1月12日
ChartAgent: A Multimodal Agent for Visually Grounded Reasoning in Complex Chart Question Answering
Arxiv
0+阅读 · 1月7日
See, Explain, and Intervene: A Few-Shot Multimodal Agent Framework for Hateful Meme Moderation
Arxiv
0+阅读 · 1月8日
ImAgent: A Unified Multimodal Agent Framework for Test-Time Scalable Image Generation
Arxiv
0+阅读 · 2025年11月14日
参考链接
微信扫码咨询专知VIP会员
Top