Tag · 2 篇
跨模态预测
分布 医学影像与生物视觉1视觉语言模型1
01 02
通过补全任意量化码实现脑部MRI虚拟全栈扫描
Virtual Full-stack Scanning of Brain MRI via Imputing Any Quantised Code
将任意到任意的MRI模态补全统一为区域级全栈码预测问题，利用矢量量化编码完整模态集并训练投影编码器从缺失模态预测码图，为多模态医学影像的缺失数据补全提供了可复用的两阶段框架。
增强视频视觉语言模型的海马体感知
Enhancing Video Vision Language Model with Hippocampal Sensing
提出跨模态预测感知范式与对比强化学习算法 VANAO，可借鉴用于视频-音频联合推理与选择性信息获取，提升视频 VLM 的推理效率与准确性。