会员服务
InEx: Hallucination Mitigation via Introspection and Cross-Modal Multi-Agent Collaboration
Arxiv
0+阅读 · 12月2日
VibraVerse: A Large-Scale Geometry-Acoustics Alignment Dataset for Physically-Consistent Multimodal Learning
Arxiv
0+阅读 · 11月25日
Uncertainty-Resilient Multimodal Learning via Consistency-Guided Cross-Modal Transfer
Arxiv
0+阅读 · 11月18日
CoCoVa: Chain of Continuous Vision-Language Thought for Latent Space Reasoning
Arxiv
0+阅读 · 11月4日
XM-ALIGN: Unified Cross-Modal Embedding Alignment for Face-Voice Association
Arxiv
0+阅读 · 12月7日
Audio-Visual Cross-Modal Compression for Generative Face Video Coding
Arxiv
0+阅读 · 12月17日
Semi-distributed Cross-modal Air-Ground Relative Localization
Arxiv
0+阅读 · 11月10日
New York Smells: A Large Multimodal Dataset for Olfaction
Arxiv
0+阅读 · 11月25日
Medusa: Cross-Modal Transferable Adversarial Attacks on Multimodal Medical Retrieval-Augmented Generation
Arxiv
0+阅读 · 11月24日
Bridging Hidden States in Vision-Language Models
Arxiv
0+阅读 · 11月14日
Same Content, Different Answers: Cross-Modal Inconsistency in MLLMs
Arxiv
0+阅读 · 12月9日
Toward Robust and Harmonious Adaptation for Cross-modal Retrieval
Arxiv
0+阅读 · 11月18日
FlowMM: Cross-Modal Information Flow Guided KV Cache Merging for Efficient Multimodal Context Inference
Arxiv
0+阅读 · 11月13日
LLM-Driven Completeness and Consistency Evaluation for Cultural Heritage Data Augmentation in Cross-Modal Retrieval
Arxiv
0+阅读 · 11月9日
APT-CGLP: Advanced Persistent Threat Hunting via Contrastive Graph-Language Pre-Training
Arxiv
0+阅读 · 11月25日
参考链接
微信扫码咨询专知VIP会员
Top