Buchumschlag

Examining the Commitments and Difficulties Inherent in Multimodal Foundation Models for Street View Imagery

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yang, Zhenyuan, Lin, Xuhui, He, Qinyi, Huang, Ziye, Liu, Zhengliang, Jiang, Hanqi, Shu, Peng, Wu, Zihao, Li, Yiwei, Law, Stephen, Mai, Gengchen, Liu, Tianming, Yang, Tao
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Learning Street View Representations with Spatiotemporal Contrast
von: Li, Yong, et al.
Veröffentlicht: (2025)

Cross-View Geolocalization and Disaster Mapping with Street-View and VHR Satellite Imagery: A Case Study of Hurricane IAN
von: Li, Hao, et al.
Veröffentlicht: (2024)

Foundation Models for Low-Resource Language Education (Vision Paper)
von: Ding, Zhaojun, et al.
Veröffentlicht: (2024)

LLM-POTUS Score: A Framework of Analyzing Presidential Debates with Large Language Models
von: Liu, Zhengliang, et al.
Veröffentlicht: (2024)

Revolutionizing Finance with LLMs: An Overview of Applications and Insights
von: Zhao, Huaqin, et al.
Veröffentlicht: (2024)

ALDM-Grasping: Diffusion-aided Zero-Shot Sim-to-Real Transfer for Robot Grasping
von: Li, Yiwei, et al.
Veröffentlicht: (2024)

OracleSage: Towards Unified Visual-Linguistic Understanding of Oracle Bone Scripts through Cross-Modal Knowledge Fusion
von: Jiang, Hanqi, et al.
Veröffentlicht: (2024)

Opportunities and Challenges of Large Language Models for Low-Resource Languages in Humanities Research
von: Zhong, Tianyang, et al.
Veröffentlicht: (2024)

Tackling the Inherent Difficulty of Noise Filtering in RAG
von: Liu, Jingyu, et al.
Veröffentlicht: (2026)

Thinking with Gaze: Sequential Eye-Tracking as Visual Reasoning Supervision for Medical VLMs
von: Li, Yiwei, et al.
Veröffentlicht: (2026)

QueEn: A Large Language Model for Quechua-English Translation
von: Chen, Junhao, et al.
Veröffentlicht: (2024)

EG-SpikeFormer: Eye-Gaze Guided Transformer on Spiking Neural Networks for Medical Image Analysis
von: Pan, Yi, et al.
Veröffentlicht: (2024)

LLMs for Coding and Robotics Education
von: Shu, Peng, et al.
Veröffentlicht: (2024)

Feature-Augmented Deep Networks for Multiscale Building Segmentation in High-Resolution UAV and Satellite Imagery
von: Maniyar, Chintan B., et al.
Veröffentlicht: (2025)

Cross-View Geo-Localization with Street-View and VHR Satellite Imagery in Decentrality Settings
von: Xia, Panwang, et al.
Veröffentlicht: (2024)

Enhancing the Understanding of Urban Street Perception With LLM s and Street View Imagery
von: Xin Han, et al.
Veröffentlicht: (2026)

MGH Radiology Llama: A Llama 3 70B Model for Radiology
von: Shi, Yucheng, et al.
Veröffentlicht: (2024)

BuildingView: Constructing Urban Building Exteriors Databases with Street View Imagery and Multimodal Large Language Mode
von: Li, Zongrong, et al.
Veröffentlicht: (2024)

Leveraging Multimodal LLMs for Built Environment and Housing Attribute Assessment from Street-View Imagery
von: Yao, Siyuan, et al.
Veröffentlicht: (2026)

Large Language Models for Robotics: Opportunities, Challenges, and Perspectives
von: Wang, Jiaqi, et al.
Veröffentlicht: (2024)

DamageArbiter: A CLIP-Enhanced Multimodal Arbitration Framework for Hurricane Damage Assessment from Street-View Imagery
von: Yang, Yifan, et al.
Veröffentlicht: (2026)

Eye-gaze Guided Multi-modal Alignment for Medical Representation Learning
von: Ma, Chong, et al.
Veröffentlicht: (2024)

Coverage and Bias of Street View Imagery in Mapping the Urban Environment
von: Fan, Zicheng, et al.
Veröffentlicht: (2024)

Satellite-to-Street: Synthesizing Post-Disaster Views from Satellite Imagery via Generative Vision Models
von: Yang, Yifan, et al.
Veröffentlicht: (2026)

Survey of HPC in US Research Institutions
von: Shu, Peng, et al.
Veröffentlicht: (2025)

Origin-Conditional Trajectory Encoding: Measuring Urban Configurational Asymmetries through Neural Decomposition
von: Law, Stephen, et al.
Veröffentlicht: (2025)

Transcending Language Boundaries: Harnessing LLMs for Low-Resource Language Translation
von: Shu, Peng, et al.
Veröffentlicht: (2024)

StreetLens: Enabling Human-Centered AI Agents for Neighborhood Assessment from Street View Imagery
von: Kim, Jina, et al.
Veröffentlicht: (2025)

Map2Video: Street View Imagery Driven AI Video Generation
von: Jo, Hye-Young, et al.
Veröffentlicht: (2025)

Combining Deep Learning and Street View Imagery to Map Smallholder Crop Types
von: Soler, Jordi Laguarta, et al.
Veröffentlicht: (2023)

Butterfly in Spacetime: Inherent Instabilities in Stable Black Holes
von: Mai, Zhan-Feng, et al.
Veröffentlicht: (2025)

MoMoE: A Mixture of Expert Agent Model for Financial Sentiment Analysis
von: Shu, Peng, et al.
Veröffentlicht: (2025)

Potential of Multimodal Large Language Models for Data Mining of Medical Images and Free-text Reports
von: Zhang, Yutong, et al.
Veröffentlicht: (2024)

Efficient Cross-Country Data Acquisition Strategy for ADAS via Street-View Imagery
von: Wu, Yin, et al.
Veröffentlicht: (2026)

BERT4Traj: Transformer Based Trajectory Reconstruction for Sparse Mobility Data
von: Yang, Hao, et al.
Veröffentlicht: (2025)

Reasoning before Comparison: LLM-Enhanced Semantic Similarity Metrics for Domain Specialized Text Analysis
von: Xu, Shaochen, et al.
Veröffentlicht: (2024)

Assessing Large Language Models in Mechanical Engineering Education: A Study on Mechanics-Focused Conceptual Understanding
von: Tian, Jie, et al.
Veröffentlicht: (2024)

ZooplanktonBench: A Geo-Aware Zooplankton Recognition and Classification Dataset from Marine Observations
von: Liu, Fukun, et al.
Veröffentlicht: (2025)

How does spatial structure affect psychological restoration? A method based on Graph Neural Networks and Street View Imagery
von: Ma, Haoran, et al.
Veröffentlicht: (2023)

Privacy of Groups in Dense Street Imagery
von: Franchi, Matt, et al.
Veröffentlicht: (2025)