🌐 多语言/翻译

📷 CVPR2025 · 2 篇论文解读

📌 同领域跨会议浏览： 📷 CVPR2026 (2) · 🧪 ICML2026 (3) · 💬 ACL2026 (62) · 🔬 ICLR2026 (5) · 🤖 AAAI2026 (9) · 🧠 NeurIPS2025 (11)

Harnessing Frozen Unimodal Encoders for Flexible Multimodal Alignment

提出一种新的视觉-语言对齐框架：冻结预训练好的单模态视觉编码器（DINOv2）和语言编码器（All-Roberta-Large），仅训练轻量MLP投影层实现多模态对齐，以20倍数据缩减和65倍计算缩减达到了CLIP级别甚至超越的性能。

SMTPD: A New Benchmark for Temporal Prediction of Social Media Popularity

构建首个时间对齐的社交媒体流行度时序预测基准SMTPD（282K YouTube样本，30天连续观测），并提出基于多模态特征提取+LSTM时序回归的baseline框架，发现早期流行度（EP）是准确预测后续流行度的关键。