医图论文 AAAI‘25 | 面向生物医学的多模态大语言模型及其像素级洞察力

论文信息

题目：Towards a Multimodal Large Language Model with Pixel-Level Insight for Biomedicine

面向生物医学的多模态大语言模型及其像素级洞察力

作者：Xiaoshuang Huang, Lingdong Shen, Jia Liu, Fangxin Shang, Hongxiang Li, Haifeng Huang, Yehui Yang

源码：https://github.com/ShawnHuang497/MedPLIB

论文创新点

1. 像素级别理解：作者提出了一种具有像素级别理解能力的多模态大语言模型MedPLIB，支持视觉问答（VQA）、任意像素级别的提示&