AutoTour: Automatic Photo Tour Guide with Smartphones and LLMs
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Xu, Huatao, Liu, Zihe, Zeng, Zilin, Li, Baichuan, Li, Mo |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
AutoLife: Automatic Life Journaling with Smartphones and LLMs
par: Xu, Huatao, et autres
Publié: (2024)
par: Xu, Huatao, et autres
Publié: (2024)
Recent Advances and Future Directions in Extended Reality (XR): Exploring AI-Powered Spatial Intelligence
par: Zeng, Baichuan
Publié: (2025)
par: Zeng, Baichuan
Publié: (2025)
Quantitative Movement Testing: Measuring Patient Movements from a Single Smartphone Video
par: Mahajan, Pranav, et autres
Publié: (2026)
par: Mahajan, Pranav, et autres
Publié: (2026)
See-Control: A Multimodal Agent Framework for Smartphone Interaction with a Robotic Arm
par: Zhao, Haoyu, et autres
Publié: (2025)
par: Zhao, Haoyu, et autres
Publié: (2025)
AppCopilot: Toward General, Accurate, Long-Horizon, and Efficient Mobile Agent
par: Fan, Jingru, et autres
Publié: (2025)
par: Fan, Jingru, et autres
Publié: (2025)
AI Guide Dog: Egocentric Path Prediction on Smartphone
par: Jadhav, Aishwarya, et autres
Publié: (2025)
par: Jadhav, Aishwarya, et autres
Publié: (2025)
SASG-DA: Sparse-Aware Semantic-Guided Diffusion Augmentation For Myoelectric Gesture Recognition
par: Liu, Chen, et autres
Publié: (2025)
par: Liu, Chen, et autres
Publié: (2025)
AI-based Multimodal Biometrics for Detecting Smartphone Distractions: Application to Online Learning
par: Becerra, Alvaro, et autres
Publié: (2025)
par: Becerra, Alvaro, et autres
Publié: (2025)
Training a Vision Language Model as Smartphone Assistant
par: Dorka, Nicolai, et autres
Publié: (2024)
par: Dorka, Nicolai, et autres
Publié: (2024)
ChartGen: Scaling Chart Understanding Via Code-Guided Synthetic Chart Generation
par: Kondic, Jovana, et autres
Publié: (2025)
par: Kondic, Jovana, et autres
Publié: (2025)
Multi-Masked Querying Network for Robust Emotion Recognition from Incomplete Multi-Modal Physiological Signals
par: Xu, Geng-Xin, et autres
Publié: (2025)
par: Xu, Geng-Xin, et autres
Publié: (2025)
GazeLLM: Multimodal LLMs incorporating Human Visual Attention
par: Rekimoto, Jun
Publié: (2025)
par: Rekimoto, Jun
Publié: (2025)
Vision-Integrated LLMs for Autonomous Driving Assistance : Human Performance Comparison and Trust Evaluation
par: Kim, Namhee, et autres
Publié: (2025)
par: Kim, Namhee, et autres
Publié: (2025)
DynaMind: Reconstructing Dynamic Visual Scenes from EEG by Aligning Temporal Dynamics and Multimodal Semantics to Guided Diffusion
par: Liu, Junxiang, et autres
Publié: (2025)
par: Liu, Junxiang, et autres
Publié: (2025)
Decomposing and Fusing Intra- and Inter-Sensor Spatio-Temporal Signal for Multi-Sensor Wearable Human Activity Recognition
par: Xie, Haoyu, et autres
Publié: (2025)
par: Xie, Haoyu, et autres
Publié: (2025)
Pose-Robust Calibration Strategy for Point-of-Gaze Estimation on Mobile Phones
par: Zhao, Yujie, et autres
Publié: (2025)
par: Zhao, Yujie, et autres
Publié: (2025)
Revision Matters: Generative Design Guided by Revision Edits
par: Li, Tao, et autres
Publié: (2024)
par: Li, Tao, et autres
Publié: (2024)
Words into World: A Task-Adaptive Agent for Language-Guided Spatial Retrieval in AR
par: Guo, Lixing, et autres
Publié: (2025)
par: Guo, Lixing, et autres
Publié: (2025)
Simulating Clinical AI Assistance using Multimodal LLMs: A Case Study in Diabetic Retinopathy
par: Barakat, Nadim, et autres
Publié: (2025)
par: Barakat, Nadim, et autres
Publié: (2025)
K-Sort Arena: Efficient and Reliable Benchmarking for Generative Models via K-wise Human Preferences
par: Li, Zhikai, et autres
Publié: (2024)
par: Li, Zhikai, et autres
Publié: (2024)
Enabling Collaborative Clinical Diagnosis of Infectious Keratitis by Integrating Expert Knowledge and Interpretable Data-driven Intelligence
par: Fang, Zhengqing, et autres
Publié: (2024)
par: Fang, Zhengqing, et autres
Publié: (2024)
Regressor-Guided Generative Image Editing Balances User Emotions to Reduce Time Spent Online
par: Gebhardt, Christoph, et autres
Publié: (2025)
par: Gebhardt, Christoph, et autres
Publié: (2025)
Generative Augmented Reality: Paradigms, Technologies, and Future Applications
par: Liang, Chen, et autres
Publié: (2025)
par: Liang, Chen, et autres
Publié: (2025)
From Coarse to Nuanced: Cross-Modal Alignment of Fine-Grained Linguistic Cues and Visual Salient Regions for Dynamic Emotion Recognition
par: Liu, Yu, et autres
Publié: (2025)
par: Liu, Yu, et autres
Publié: (2025)
Color When It Counts: Grayscale-Guided Online Triggering for Always-On Streaming Video Sensing
par: Cai, Weitong, et autres
Publié: (2026)
par: Cai, Weitong, et autres
Publié: (2026)
OLMD: Orientation-aware Long-term Motion Decoupling for Continuous Sign Language Recognition
par: Yu, Yiheng, et autres
Publié: (2025)
par: Yu, Yiheng, et autres
Publié: (2025)
Generative AI for Cel-Animation: A Survey
par: Tang, Yolo Y., et autres
Publié: (2025)
par: Tang, Yolo Y., et autres
Publié: (2025)
Predicting 3D Motion from 2D Video for Behavior-Based VR Biometrics
par: Li, Mingjun, et autres
Publié: (2025)
par: Li, Mingjun, et autres
Publié: (2025)
FineSkiing: A Fine-grained Benchmark for Skiing Action Quality Assessment
par: Zhang, Yongji, et autres
Publié: (2025)
par: Zhang, Yongji, et autres
Publié: (2025)
Yume: An Interactive World Generation Model
par: Mao, Xiaofeng, et autres
Publié: (2025)
par: Mao, Xiaofeng, et autres
Publié: (2025)
Exploring Object Status Recognition for Recipe Progress Tracking in Non-Visual Cooking
par: Li, Franklin Mingzhe, et autres
Publié: (2025)
par: Li, Franklin Mingzhe, et autres
Publié: (2025)
ViSIL: Unified Evaluation of Information Loss in Multimodal Video Captioning
par: Li, Po-han, et autres
Publié: (2026)
par: Li, Po-han, et autres
Publié: (2026)
OmniResponse: Online Multimodal Conversational Response Generation in Dyadic Interactions
par: Luo, Cheng, et autres
Publié: (2025)
par: Luo, Cheng, et autres
Publié: (2025)
See What I Mean: Aligning Vision and Language Representations for Video Fine-grained Object Understanding
par: Sun, Boyuan, et autres
Publié: (2026)
par: Sun, Boyuan, et autres
Publié: (2026)
EEG-based Multimodal Representation Learning for Emotion Recognition
par: Yin, Kang, et autres
Publié: (2024)
par: Yin, Kang, et autres
Publié: (2024)
LLaVA-Scissor: Token Compression with Semantic Connected Components for Video LLMs
par: Sun, Boyuan, et autres
Publié: (2025)
par: Sun, Boyuan, et autres
Publié: (2025)
Experience Paper: Adopting Activity Recognition in On-demand Food Delivery Business
par: Xu, Huatao, et autres
Publié: (2025)
par: Xu, Huatao, et autres
Publié: (2025)
ControlGUI: Guiding Generative GUI Exploration through Perceptual Visual Flow
par: Garg, Aryan, et autres
Publié: (2025)
par: Garg, Aryan, et autres
Publié: (2025)
Thing2Reality: Transforming 2D Content into Conditioned Multiviews and 3D Gaussian Objects for XR Communication
par: Hu, Erzhen, et autres
Publié: (2024)
par: Hu, Erzhen, et autres
Publié: (2024)
How Good (Or Bad) Are LLMs at Detecting Misleading Visualizations?
par: Lo, Leo Yu-Ho, et autres
Publié: (2024)
par: Lo, Leo Yu-Ho, et autres
Publié: (2024)
Documents similaires
-
AutoLife: Automatic Life Journaling with Smartphones and LLMs
par: Xu, Huatao, et autres
Publié: (2024) -
Recent Advances and Future Directions in Extended Reality (XR): Exploring AI-Powered Spatial Intelligence
par: Zeng, Baichuan
Publié: (2025) -
Quantitative Movement Testing: Measuring Patient Movements from a Single Smartphone Video
par: Mahajan, Pranav, et autres
Publié: (2026) -
See-Control: A Multimodal Agent Framework for Smartphone Interaction with a Robotic Arm
par: Zhao, Haoyu, et autres
Publié: (2025) -
AppCopilot: Toward General, Accurate, Long-Horizon, and Efficient Mobile Agent
par: Fan, Jingru, et autres
Publié: (2025)