Leveraging Motion in Videos
Do you see what I see? Large-scale learning from multimodal videos
Video-Modelling for Fine-Grained Understanding
Representing Longer Videos - TokenLearner
Efficient and Compositional Human Event Understanding
吹爆！B站公认最完整的神经网络算法教程，CNN＋RNN循环＋GAN＋DQN＋LSTM＋Transformer＋GNN＋DBN八大深度学习算法一口气学到饱！
ViLBench：多模态过程奖励（Process Reward）建模组件
【多模态与交叉注意力应用】什么叫跨模态对齐？跨模态学习又是什么?AI博士一篇全讲透！AI大模型|人工智能|交叉注意力机制|计算机视觉|AI|论文辅导
强推！草履虫都能一口气学完CNN、RNN、GAN、GNN、DQN、Transformer、LSTM、DBN等八大深度学习神经网络算法！真的比刷剧还爽！
Learning the physical world from High-resolution Tactile Sensing
AI视觉大模型教程（LLM+多模态+SAM+视觉Prompt+CV+学习路线图）从入门到实战简直配享太庙！
油管爆火！基于3D点云的自动驾驶导航系统！3D PointNet算法从原理到实战，科研圈大佬亲讲【完整版3D点云】计算机视觉必学！
强推！科大讯飞和中科院终于把多模态大模型讲明白了，基于Qwen2.5-VL 32B，看完还不会你来打我！人工智能|深度学习|多模态
多模态经典论文集2：ViLT
【多模态模型】10分钟学会基于DeepSeek+Qwen VL多模态搭建的医学影像分析系统，实现图像理解和健康建议生成的智能化处理！大模型|多模态|LLM
Gemini 2.5 Flash 拥有无限的潜力，多模态+思考推理+coding无敌的组合，几个demo测试
多模态大模型部署与微调实战！基于Qwen2.5-VL-32B（VLLM部署千问VL+LangChain+Agent+RAG等应用开发项目实战）
冒死上传！已经替大家付费了，花19980买的AI大模型系统教程，逼自己一周学完国产最强AI大模型，七天就能从小白到大神！
B站目前讲的最好的【Transformer教程】！20分钟让初中生全面理解Transformer，建议收藏！——人工智能/深度学习/大模型
10s CNB一键vllm部署Qwen2.5-Omni（Dift/Open WebUI）
