· ai
[Paper] 实用框架用于隐私保护和拜占庭鲁棒的联邦学习
联邦学习 (Federated Learning, FL) 允许多个客户端在不共享其私有数据的情况下协同训练模型。然而，FL 易受到拜占庭攻击...
-
- · ai
AI 的下一个飞跃不是更大的模型，而是更好的界面
在过去的几年里，AI行业一直专注于scale——更大的模型、更多的parameters、更长的context windows。这种关注在一段时间内是有道理的，但……
- · ai
[Paper] 生成式重新聚焦：灵活的散焦控制来自单张图像
Depth-of-field 控制在摄影中至关重要，但要获得完美的焦点往往需要多次尝试或特殊设备。Single-image refocusing 仍然是……
- · ai
[Paper] 世界是你的画布：使用参考图像、轨迹和文本绘制可提示事件
我们提出 WorldCanvas，一个用于可提示世界事件的框架，通过结合文本、轨迹和参考图像，实现丰富的、用户导向的模拟。
- · ai
[Paper] Next-Embedding 预测使视觉学习者更强
受生成式预训练在自然语言领域成功的启发，我们探讨相同的原理是否能产生强大的自监督视觉学习者。Inst...
- · ai
[Paper] 关键差异：审计模型用于能力差距的发现与纠正
传统的多模态大语言模型（MLLM）评估方法缺乏可解释性，且往往不足以充分揭示跨…的显著能力差距。
- · ai
[Paper] DVGT: 驱动视觉几何Transformer
从视觉输入感知和重建 3D 场景几何对于自动驾驶至关重要。然而，目前仍缺乏针对驾驶任务的稠密几何。
- · ai
[Paper] EasyV2V：高质量基于指令的视频编辑框架
虽然 image editing 发展迅速，但 video editing 仍然较少被探索，面临 consistency、control 和 generalization 的挑战。我们研究了设计...
- · ai
[Paper] AdaTooler-V：自适应工具使用用于图像和视频
最近的研究表明，多模态大型语言模型（MLLMs）受益于与视觉工具交互的多模态交叉链式思考（CoT）。
- · ai
[Paper] 生成式对抗推理器：通过对抗强化学习提升 LLM 推理能力
Large language models (LLMs) 具备显式推理能力，在数学推理方面表现出色，但仍会出现过程错误，例如计算错误……
- · ai
[Paper] StereoPilot：通过生成先验学习统一且高效的立体转换
立体显示技术的快速增长，包括 VR 头盔和 3D 影院，导致对高质量立体视频内容的需求不断增加。然而，pr...
- · ai
[Paper] 构造性电路放大：通过针对性子网络更新提升LLMs的数学推理
先前研究调查大型语言模型（LLMs）的内部工作原理时，发现了稀疏子网络，通常称为 circuits，负责执行……