cs.CV（2025-09-09）
📊 共 3 篇论文 | 🔗 2 篇有代码
🎯 兴趣领域导航
🔬 支柱九：具身大模型 (Embodied Foundation Models) (2 篇)
| # | 题目 | 一句话要点 | 标签 | 🔗 | ⭐ |
|---|---|---|---|---|---|
| 1 | GLEAM: Learning to Match and Explain in Cross-View Geo-Localization | 提出GLEAM，通过多模态对齐与可解释推理，提升跨视角地理定位性能。 | large language model multimodal | ✅ | |
| 2 | Visual-TableQA: Open-Domain Benchmark for Reasoning over Table Images | 提出Visual-TableQA，用于评估和提升视觉语言模型在表格图像上的推理能力。 | multimodal | ✅ |
🔬 支柱二：RL算法与架构 (RL & Architecture) (1 篇)
| # | 题目 | 一句话要点 | 标签 | 🔗 | ⭐ |
|---|---|---|---|---|---|
| 3 | Mini-o3: Scaling Up Reasoning Patterns and Interaction Turns for Visual Search | Mini-o3：通过扩展推理模式和交互轮数，提升视觉搜索性能。 | reinforcement learning multimodal |