City-VLM: Towards Multidomain Perception Scene Understanding via Multimodal Incomplete Learning
Fuente:
arXiv
Salvato in:
| Autori principali: | Sun, Penglei, Song, Yaoxian, Zhu, Xiangru, Liu, Xiang, Wang, Qiang, Liu, Yue, Xia, Changqun, Li, Tiefeng, Yang, Yang, Chu, Xiaowen |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2025
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
3D Question Answering for City Scene Understanding
di: Sun, Penglei, et al.
Pubblicazione: (2024)
di: Sun, Penglei, et al.
Pubblicazione: (2024)
Multi-Task Domain Adaptation for Language Grounding with 3D Objects
di: Sun, Penglei, et al.
Pubblicazione: (2024)
di: Sun, Penglei, et al.
Pubblicazione: (2024)
Scene-Driven Multimodal Knowledge Graph Construction for Embodied AI
di: Yaoxian, Song, et al.
Pubblicazione: (2023)
di: Yaoxian, Song, et al.
Pubblicazione: (2023)
Learning 6-DoF Fine-grained Grasp Detection Based on Part Affordance Grounding
di: Song, Yaoxian, et al.
Pubblicazione: (2023)
di: Song, Yaoxian, et al.
Pubblicazione: (2023)
Flickr30K-CFQ: A Compact and Fragmented Query Dataset for Text-image Retrieval
di: Liu, Haoyu, et al.
Pubblicazione: (2024)
di: Liu, Haoyu, et al.
Pubblicazione: (2024)
Evaluating Semantic Variation in Text-to-Image Synthesis: A Causal Perspective
di: Zhu, Xiangru, et al.
Pubblicazione: (2024)
di: Zhu, Xiangru, et al.
Pubblicazione: (2024)
The Multi-Round Diagnostic RAG Framework for Emulating Clinical Reasoning
di: Sun, Penglei, et al.
Pubblicazione: (2025)
di: Sun, Penglei, et al.
Pubblicazione: (2025)
Towards Coarse-grained Visual Language Navigation Task Planning Enhanced by Event Knowledge Graph
di: Kaichen, Zhao, et al.
Pubblicazione: (2024)
di: Kaichen, Zhao, et al.
Pubblicazione: (2024)
SpatialGrammar: A Domain-Specific Language for LLM-Based 3D Indoor Scene Generation
di: Tang, Song, et al.
Pubblicazione: (2026)
di: Tang, Song, et al.
Pubblicazione: (2026)
Rule-VLN: Bridging Perception and Compliance via Semantic Reasoning and Geometric Rectification
di: Wen, Jiawen, et al.
Pubblicazione: (2026)
di: Wen, Jiawen, et al.
Pubblicazione: (2026)
Towards Imbalanced Motion: Part-Decoupling Network for Video Portrait Segmentation
di: Yu, Tianshu, et al.
Pubblicazione: (2023)
di: Yu, Tianshu, et al.
Pubblicazione: (2023)
FinKario: Event-Enhanced Automated Construction of Financial Knowledge Graph
di: Li, Xiang, et al.
Pubblicazione: (2025)
di: Li, Xiang, et al.
Pubblicazione: (2025)
OmniReview: A Large-scale Benchmark and LLM-enhanced Framework for Realistic Reviewer Recommendation
di: Huang, Yehua, et al.
Pubblicazione: (2026)
di: Huang, Yehua, et al.
Pubblicazione: (2026)
RE-VLM: Event-Augmented Vision-Language Model for Scene Understanding
di: Liu, Hanqing, et al.
Pubblicazione: (2026)
di: Liu, Hanqing, et al.
Pubblicazione: (2026)
Multimodal Wearable Biosensing Meets Multidomain AI: A Pathway to Decentralized Healthcare
di: Chenshu Liu, et al.
Pubblicazione: (2026)
di: Chenshu Liu, et al.
Pubblicazione: (2026)
Toward Robust Incomplete Multimodal Sentiment Analysis via Hierarchical Representation Learning
di: Li, Mingcheng, et al.
Pubblicazione: (2024)
di: Li, Mingcheng, et al.
Pubblicazione: (2024)
Janus-Q: End-to-End Event-Driven Trading via Hierarchical-Gated Reward Modeling
di: Li, Xiang, et al.
Pubblicazione: (2026)
di: Li, Xiang, et al.
Pubblicazione: (2026)
An Intrinsically Multimodal Self‐Powered Sensor Enhanced by Microstructured Powder Layer for AI‐Enabled Tactile Perception
di: Kequan Xia, et al.
Pubblicazione: (2026)
di: Kequan Xia, et al.
Pubblicazione: (2026)
Entropy‐Driven Modulation of Ion Clustering and Polymer Crystallinity for Low‐Temperature Lithium Metal Batteries
di: Junze Guo, et al.
Pubblicazione: (2025)
di: Junze Guo, et al.
Pubblicazione: (2025)
Entropy‐Driven Modulation of Ion Clustering and Polymer Crystallinity for Low‐Temperature Lithium Metal Batteries
di: Junze Guo, et al.
Pubblicazione: (2025)
di: Junze Guo, et al.
Pubblicazione: (2025)
Towards Understanding Graphical Perception in Large Multimodal Models
di: Zhang, Kai, et al.
Pubblicazione: (2025)
di: Zhang, Kai, et al.
Pubblicazione: (2025)
MODA: MOdular Duplex Attention for Multimodal Perception, Cognition, and Emotion Understanding
di: Zhang, Zhicheng, et al.
Pubblicazione: (2025)
di: Zhang, Zhicheng, et al.
Pubblicazione: (2025)
From Literature to Lab: Closed-Loop Advancement of Perovskite Solar Cells via Domain Knowledge Guided LLM
di: Sun, Penglei, et al.
Pubblicazione: (2026)
di: Sun, Penglei, et al.
Pubblicazione: (2026)
OG-Mapping: Octree-based Structured 3D Gaussians for Online Dense Mapping
di: Wang, Meng, et al.
Pubblicazione: (2024)
di: Wang, Meng, et al.
Pubblicazione: (2024)
Towards Pixel-Level VLM Perception via Simple Points Prediction
di: Song, Tianhui, et al.
Pubblicazione: (2026)
di: Song, Tianhui, et al.
Pubblicazione: (2026)
Towards Robust and Realible Multimodal Misinformation Recognition with Incomplete Modality
di: Zhou, Hengyang, et al.
Pubblicazione: (2025)
di: Zhou, Hengyang, et al.
Pubblicazione: (2025)
AlignVLM: Bridging Vision and Language Latent Spaces for Multimodal Document Understanding
di: Masry, Ahmed, et al.
Pubblicazione: (2025)
di: Masry, Ahmed, et al.
Pubblicazione: (2025)
Venus: An Efficient Edge Memory-and-Retrieval System for VLM-based Online Video Understanding
di: Ye, Shengyuan, et al.
Pubblicazione: (2025)
di: Ye, Shengyuan, et al.
Pubblicazione: (2025)
TextMonkey: An OCR-Free Large Multimodal Model for Understanding Document
di: Liu, Yuliang, et al.
Pubblicazione: (2024)
di: Liu, Yuliang, et al.
Pubblicazione: (2024)
Scene-VLM: Multimodal Video Scene Segmentation via Vision-Language Models
di: Berman, Nimrod, et al.
Pubblicazione: (2025)
di: Berman, Nimrod, et al.
Pubblicazione: (2025)
Fourier Prompt Tuning for Modality-Incomplete Scene Segmentation
di: Liu, Ruiping, et al.
Pubblicazione: (2024)
di: Liu, Ruiping, et al.
Pubblicazione: (2024)
FloorplanVLM: A Vision-Language Model for Floorplan Vectorization
di: Liu, Yuanqing, et al.
Pubblicazione: (2026)
di: Liu, Yuanqing, et al.
Pubblicazione: (2026)
Memory-Augmented Incomplete Multimodal Survival Prediction via Cross-Slide and Gene-Attentive Hypergraph Learning
di: Qu, Mingcheng, et al.
Pubblicazione: (2025)
di: Qu, Mingcheng, et al.
Pubblicazione: (2025)
Elastic Interaction Energy-Informed Real-Time Traffic Scene Perception
di: Feng, Yaxin, et al.
Pubblicazione: (2023)
di: Feng, Yaxin, et al.
Pubblicazione: (2023)
IDA-VLM: Towards Movie Understanding via ID-Aware Large Vision-Language Model
di: Ji, Yatai, et al.
Pubblicazione: (2024)
di: Ji, Yatai, et al.
Pubblicazione: (2024)
Critic-V: VLM Critics Help Catch VLM Errors in Multimodal Reasoning
di: Zhang, Di, et al.
Pubblicazione: (2024)
di: Zhang, Di, et al.
Pubblicazione: (2024)
Perovskite-LLM: Knowledge-Enhanced Large Language Models for Perovskite Solar Cell Research
di: Liu, Xiang, et al.
Pubblicazione: (2025)
di: Liu, Xiang, et al.
Pubblicazione: (2025)
Differentially Private Multimodal Laplacian Dropout (DP-MLD) for EEG Representative Learning
di: Fu, Xiaowen, et al.
Pubblicazione: (2024)
di: Fu, Xiaowen, et al.
Pubblicazione: (2024)
ROOT: VLM based System for Indoor Scene Understanding and Beyond
di: Wang, Yonghui, et al.
Pubblicazione: (2024)
di: Wang, Yonghui, et al.
Pubblicazione: (2024)
OmniScene: Attention-Augmented Multimodal 4D Scene Understanding for Autonomous Driving
di: Liu, Pei, et al.
Pubblicazione: (2025)
di: Liu, Pei, et al.
Pubblicazione: (2025)
Documenti analoghi
-
3D Question Answering for City Scene Understanding
di: Sun, Penglei, et al.
Pubblicazione: (2024) -
Multi-Task Domain Adaptation for Language Grounding with 3D Objects
di: Sun, Penglei, et al.
Pubblicazione: (2024) -
Scene-Driven Multimodal Knowledge Graph Construction for Embodied AI
di: Yaoxian, Song, et al.
Pubblicazione: (2023) -
Learning 6-DoF Fine-grained Grasp Detection Based on Part Affordance Grounding
di: Song, Yaoxian, et al.
Pubblicazione: (2023) -
Flickr30K-CFQ: A Compact and Fragmented Query Dataset for Text-image Retrieval
di: Liu, Haoyu, et al.
Pubblicazione: (2024)