Newest papers

Asking a Multimodal LLM Whether Someone Fell: Zero-Shot Screening of Low-Resolution Thermal Video in a Laboratory and an Occupied Home

Marcos Junca, Mauro Junca · 2026 · arXiv

DOI: 10.48550/arXiv.2610.29913 · open-access PDF

French

Les caméras thermiques peuvent regarder les personnes âgées vivant seules sans capturer les visages, et les modèles de langue de grande taille multimodales (LLM) peuvent juger une courte vidéo sans formation spécifique à la tâche. Nous évaluons un LLM multimodal de production, Gemini 3.8 Flash à la température 0, en tant que phase de décision d'un capteur de chute déclenché par des événements, utilisé exactement comme un prototype déployé l'utilise: une demande par clip thermique court, avec sa piste sonore lorsqu'il y en a une, et son prédécesseur Gemini 3.7 Flash sur les mêmes demandes. Sur 438 chutes de scène et 563 fenêtres non-chute que nous situons à la main dans un

Machine translation (Meta M2M100); the English original follows.

Abstract

Thermal cameras can watch over older people living alone without capturing faces, and multimodal large language models (LLMs) can judge a short video without task-specific training. We evaluate a production multimodal LLM, Gemini 3.8 Flash at temperature 0, as the decision stage of an event-triggered fall screener, used exactly as a deployed prototype uses it: one request per short thermal clip, with its sound track when there is one, and its predecessor Gemini 3.7 Flash on the same requests. On 438 staged falls and 563 non-fall windows that we located by hand in a public 32x24 thermal dataset

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange