3周前 · ai

[Paper] 频率感知的 Token 缩减用于高效 Vision Transformer

Vision Transformers 在各种计算机视觉任务中表现出卓越的性能，但它们相对于 token 的二次计算复杂度……

3周前 · ai

[Paper] MobileI2V：在移动设备上实现快速且高分辨率的图像到视频转换

最近，视频生成取得了快速进展，越来越多的关注集中在移动设备上的图像到视频（I2V）合成上。然而，子...

3周前 · ai

[Paper] 随声速而行：将 Neural Surrogates 推入高度湍流的跨声速区间

神经代理在汽车空气动力学中的广泛使用，得益于诸如 DrivAerML 和 DrivAerNet++ 等数据集，主要集中在钝体……

3周前 · ai

[Paper] 长文档可读性评估的层次排序神经网络

可读性评估旨在评估文本的阅读难度。近年来，深度学习技术已逐步应用于可读性……

3周前 · ai

[Paper] SpatialBench：对多模态大型语言模型进行空间认知基准测试

空间认知是现实世界多模态智能的基础，使模型能够有效地与物理环境交互。虽然多模态 ...

3周前 · ai

Mean-Field Limits for Two-Layer Neural Networks Trained with Consensus-Based Optimization **均值场极限：使用基于共识的优化训练的双层神经网络**

我们研究两层神经网络，并使用一种基于粒子的算法——共识优化（CBO）进行训练。我们比较了 CBO 在……方面的表现。

3周前 · ai

[Paper] 数据流中分类器投票线性独立性视角下的集成性能

集成学习通过组合多个基分类器来提升分类性能。虽然增加分类器的数量通常会提升准确率……

3周前 · ai

[Paper] MADRA: 多代理辩论用于风险感知的具身规划

It looks like the text you’d like translated is incomplete. Could you please provide the full passage (including the “> **Source:** …” line at the top) so I can translate it accurately while preserving the required formatting?

3周前 · ai

[Paper] EvRainDrop: HyperGraph 引导的完成用于有效的帧和事件流聚合

事件相机产生的异步事件流在空间上稀疏，但在时间上密集。主流的 event representation learning algorithms 通常…

3周前 · ai

[Paper] 大型语言模型中模型合并技术的系统研究

模型合并将多个 fine-tuned checkpoints 合并为单一模型，无需额外训练，提供了一种重新使用模型并提升效率的有吸引力的方法。

3周前 · ai

[Paper] 从观察到行动：基于潜在动作的原语分割用于工业环境中的 VLA 预训练

我们提出了一种新颖的无监督框架，用于从连续的工业视频流中解锁海量未标记的人类示范数据，以用于 Vision-Language-Action ...

3周前 · ai

[Paper] E-M3RF：一种等变多模态3D重新组装框架

3D 重组是一个基本的几何问题，近年来它越来越多地受到深度学习方法的挑战，而不是传统的优化方法。