遥感论文 | AAAI2025 | Urbench：多模态大模型在城市环境领域全新BenchMark，已开源，欢迎follow！

最新推荐文章于 2025-11-24 18:29:32 发布
原创 最新推荐文章于 2025-11-24 18:29:32 发布 · 1.4k 阅读 · 22 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#人工智能

最低0.47元/天 解锁文章
OpenDataLab
关注
AAAI2025 | 论文接受列表，含全部论文下载（持续更新......）
yinizhilianlove的博客
03-06 1万+
AAAI主办的“AAAI人工智能会议”，被认为是人工智能领域的顶级会议之一，该会议每年举办一次，「会议等级A类」。
城市复杂环境下具身大模型基准测试！UrBench：综合评估多模态大模型在多视图城市场景中的基准
weixin_37990186的博客
02-27 935
论文提出了UrBench，一个用于评估多模态大模型在城市环境中表现的新基准。通过收集和预处理多视角图像数据，设计了多种方法生成高质量的问题样本，并进行了详细的评估和分析。结果表明，当前LLMs在城市环境中的表现仍有显著不足，特别是在跨视角理解和地理定位任务中。研究结果为进一步改进LLMs在城市场景中的应用提供了指导。
大模型全军覆没，中科院自动化所推出多图数学推理新基准 | CVPR 2025
量子位
03-11 111
MV-MATH团队 投稿量子位 | 公众号 QbitAI挑战多图数学推理新基准，大模型直接全军覆没？！事情是这样的。近日，中国科学院自动化研究所推出多图数学推理全新基准MV-MATH（该工作已被CVPR 2025录用），这是一个精心策划的多图数学推理数据集，旨在全面评估MLLM（多模态大语言模型）在多视觉场景中的数学推理能力。结果评估下来发现，GPT-4o仅得分32.1，类o1模型QvQ得分29....
AAAI2024 | 论文接受列表，含全部论文下载（持续更新......）
热门推荐
yinizhilianlove的博客
12-22 1万+
AAAI2024 接收论文下载
CVPR2025 | 当扩散模型遇见多模态上下文：Google&约翰霍普金斯大学用深度+语义+文本实现精准超分
helloaiti的博客
03-19 2929
MMLC采用 Transformer架构，接收随机初始化的可学习潜在标记序列和多模态输入序列，输出与潜在标记序列等长的标记序列，作为扩散模型的条件。-多模态无分类器引导（Multimodal Classifier-free Guidance）：针对传统无分类器引导（CFG）在高引导尺度下易产生过多幻觉的问题，提出多模态引导策略。-多模态潜在连接器（MMLC）：轻量级Transformer模块，通过交叉注意力将长Token序列压缩为固定长度（128）的潜在表示，降低计算复杂度（从O(M²)到O(MN)）。
AAAI2025 |OpenDataLab三大成果：城市环境多模态大模型评测、创新遥感图-文分析、CRaFT优化LLM拒绝机制
OpenDataLab的博客
02-28 1144
近日，第39届AAAI公布了2025年论文录用结果，上海人工智能实验室OpenDataLab团队在多模态大模型评测、遥感图像理解与知识提取、语言大模型安全调优领域的研究成果受到认可，共有三篇论文被会议录用
AAAI2025 Oral | ChatTime：零样本 + 多模态，时间序列分析进入多模态时代！
sxdmx12345的博客
07-27 1505
AAAI2025的Oral文章，最新前沿时序技术，文章提出一种统一多模态时间序列基础模型—ChatTime，模型能桥接数值型和文本型数据，解决传统时间序列分析方法的局限性~
论文解读 | AAAI'25 Cobra：多模态扩展的大型语言模型，以实现高效推理
AITIME_HY的博客
02-20 1894
点击蓝字关注我们AI TIME欢迎每一位AI爱好者的加入！点击阅读原文观看作者讲解回放！个人信息作者：赵晗，浙江大学-西湖大学联合培养博士生内容简介近年来，在各个领域应用多模态大语言模型（MLLMs）取得了显著的成功。然而，作为许多下游任务的基础模型，MLLMs通常包含著名的Transformer网络，其计算复杂度呈二次方增长，效率较低。在本文中，我们介绍了一种基于状态空间模型构建的多模态大规...
【论文阅读 | AAAI 2025 | Mamba YOLO: 基于状态空间模型的目标检测简单基线​​】
berling00的博客
09-19 977
在深度学习技术的快速发展推动下，YOLO系列为实时目标检测器设立了新基准。此外，基于Transformer的结构已成为该领域最强大的解决方案，极大地扩展了模型的感受野并实现了显著的性能提升。然而，这种改进是有代价的，因为自注意力机制的二次复杂度增加了模型的计算负担。为了解决这个问题，我们引入了一种简单而有效的基线方法，称为Mamba YOLO。我们提出ODMamba主干网络引入具有线性复杂度的状态空间模型(SSM)来解决自注意力的二次复杂度问题。与其他基于Transformer和基于SSM的方法不同，
AAAI 2025论文分享│面向生物医学的具有像素级洞察力的多模态大语言模型
audyxiao001的博客
06-26 1372
推文介绍了一篇关于面向生物医学的像素级多模态大语言模型论文。文中提出了首个医学视觉问答与像素定位一体的多模态大模型 MedPLIB，同时发布了涵盖 8 种模态、31 万问答对的 MeCoVQA 数据集，缓解医学影像领域交互数据稀缺的问题。
遥感通用大模型EarthGPT数据集已全部开源！含100万图文对！
2401_88345259的博客
10-23 3324
EarthGPT在多个遥感数据集上进行了广泛的实验，结果显示在大多数遥感任务中，EarthGPT超过了最先进的专家模型和多模态语言模型。因此，作者创建了一个新的指令跟随数据集MMRS，涵盖了五个任务和三种视觉模态，并使用EarthGPT在该数据集上进行微调，以实现优秀的粗粒度对话和细粒度定位能力。该数据集的构建过程详细介绍。EarthGPT整合了多种遥感视觉任务，如场景分类、图像描述、视觉问答、视觉定位和目标检测等，此外，EarthGPT还统一了多种传感器的遥感图像理解，涵盖光学、SAR和红外图像。
CCV2025 UrbanLLaVA，城市大脑觉醒？具备空间推理与理解能力的城市智能多模态大语言模型！
2401_85375151的博客
07-07 890
清华大学研究团队提出UrbanLLaVA，这一多模态大语言模型(MLLM)创新性地解决了城市研究中多模态数据整合的难题。该研究通过构建包含街景图像、卫星图像、地理空间数据和轨迹数据的城市指令数据集(UData)，设计了多阶段训练框架(UTrain)，将空间推理增强与领域知识学习分离。实验表明，UrbanLLaVA在北京、伦敦、纽约等城市的12项任务测试中表现优异，在单模态和跨模态任务上均超越现有开源和专有MLLM模型，展现出强大的跨城市泛化能力。这项研究为构建面向大模型时代的城市时空智能框架提供了重要突破。
基于学习的人工智能（1）为什么学习？
致力于大数据+AI 的应用创新。
11-24 141
学习是人类最重要的认知活动之一，贯穿我们的一生。出生后，我们无时无刻不在学习：从父母那里学说话，自己尝试走路，从小伙伴那里学会折纸飞机，从老师那里学到语文、数学等各种知识。研究人员始终将光源和风扇放在同一侧，经由学习，玉米幼苗逐渐学会了“有风的地方就会有光”的规律。之后，研究人员移去光源，并改变风扇方向，玉米幼苗依然按照所学知识，向风扇方向生长。1959 年，美国计算机学家亚瑟·塞缪尔设计了一款可以自我学习的跳棋程序，并将这一新方法称为“机器学习”，从而开启了机器自我学习的道路。
中国计算机学会（CCF）推荐学术会议-A（人工智能）：ACL 2026
iaast的博客
11-24 272
大会官网：https://2026.aclweb.org/录用率：20.3%（1699/8360，2025年）时间地点：2026年7月2日-加州·美国。截稿时间：2026年1月5日。CCF推荐：A（人工智能）
2025企业微信AI落地新趋势：微盛AI·企微管家破解内外增长难题
最新发布
weisheng00的博客
11-24 357
2025年企业微信AI落地的三大关键趋势：微盛AI·企微管家通过智能客服、精准营销和内部协作三大场景，帮助企业实现200%的客服效率提升、90%的报修响应提速和50%的员工效能增长。作为企业微信生态最大ISV服务商，微盛依托"AI+SCRM"双引擎，已服务160家500强企业，提供合规AI聊天Agent、生态闭环整合及私有化部署方案，有效解决数据孤岛问题，90%客户在3个月内实现AI能力全员覆盖。
RAG 的诞生：为了让 AI 不再“乱编”
weixin_44876263的博客
11-24 35
RAG全称，中文为“检索增强生成”。其核心思想是：在生成答案时，不仅依赖大模型内部的训练知识，还能够实时访问外部知识库或文档，从而生成更加准确和可靠的内容。就像一个学生回答问题，不仅依靠自己记忆，还会去图书馆查资料，然后结合记忆和查到的资料回答问题。你问模型：“请告诉我最新的新能源补贴政策。纯模型可能只靠训练记忆，回答的是过时或模糊的信息。RAG 模型会先去查最新政策文件，再结合训练知识生成答案，因此更准确。检索资料：先找到相关文档或信息。结合生成：把找到的资料和问题一起输入模型，让模型生成答案。
基于华为开发者空间实现花卉识别
优快云高校俱乐部官方博客
11-21 1521
基于华为开发者空间实现花卉识别
人工智能在医疗行业的革命性应用：从诊断到个性化治疗
2501_94114442的博客
11-21 461
人工智能（AI）技术近年来已经渗透到各个行业，其中，医疗行业无疑是受益最大之一。从疾病的早期诊断到个性化治疗方案的制定，AI正在加速医学领域的变革。通过机器学习、深度学习、自然语言处理等技术，AI不仅能够处理和分析大量的医疗数据，还能够帮助医生做出更加精准的决策，提升患者的治疗效果，并优化整个医疗体系的运作效率。本文将探讨人工智能在医疗行业的应用，分析其在不同医疗领域的具体作用，并展望AI如何进一步推动医疗健康行业的发展。
【NullSwap】NullSwap: Proactive Identity Cloaking Against Deepfake
人生不是轨道，是旷野。希望每天都有好心情。
11-23 157
由于生成模型的进步，被动检测高质量Deepfake图像的性能瓶颈，主动扰动提供了一种有前途的方法，通过将信号插入良性图像来禁用Deepfake操作。【生成模型的发展，使得生成高质量伪图越来越难被检测】然而，现有的主动扰动方法在以下几个方面仍然不能令人满意：【当前主动扰动存在的问题】1）由于直接元素添加而导致的视觉退化;2）对交换操纵的有效性有限;3）不可避免地依赖于白盒和灰盒设置，以在训练期间涉及生成模型。我们分析了深度伪造swap技术的本质，并论证了保护源身份而非目标图像的必要性。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值