arXiv · 机器人与计算机视觉· Tianyi Zhao, Qihao Xu, Jiawen Xi, Duanni Meng, Bo Zhao, Maoxun Yuan, Xingxing Wei, Bo Li·· 2 天前AI 评分72
超越成对输入:在多模态大语言模型中利用 RGB-T 跨模态关系
Beyond Paired Inputs: Learning to Leverage RGB-T Cross-Modal Relations in Multimodal Large Language Models
AI 导读
论文介绍 RelMLLM,一种专门用于处理 RGB 和热红外(TIR)传感器输入的 RGB-T 多模态大语言模型。该模型通过显式学习跨模态关系来改进特定任务的决策制定,将模态可靠性、跨模态关系及主导模态表示为可验证的决策状态。
来源:arXiv · 机器人与计算机视觉 · arxiv.org