· ai
使用 Python 在 Kaggle 上入门图像分类
封面图片：使用 Python 在 Kaggle 上开始图像分类 https://media2.dev.to/dynamic/image/width=1000,height=420,fit=cover,gravit...
-
- · ai
衡量 XAI 中公理非敏感性的正确方法
正确衡量公理化非敏感性的方法 为什么你的 XAI 指标可能会欺骗你——以及我们是如何修复的 如果你曾经尝试实际衡量其稳定性……
- · ai
【论文】UniX：统一自回归与扩散用于胸部X光的理解与生成
尽管最近取得了进展，medical foundation models 仍然难以统一 visual understanding 和 generation，因为这些任务本质上目标冲突……
- · ai
[Paper] ShapeR：从随意捕获中实现稳健的条件3D形状生成
最近在3D形状生成方面的进展取得了令人印象深刻的成果，但大多数现有方法依赖于干净、未被遮挡且分割良好的输入。这种...
- · ai
[Paper] ReScene4D：针对演化的室内3D场景的时间一致语义实例分割
室内环境会随着物体的移动、出现或消失而演变。捕捉这些动态需要在整个过程保持时间上一致的实例身份……
- · ai
[Paper] CTest-Metric：统一框架评估用于CT报告生成的指标的临床有效性
在 generative AI 时代，即使关键的医疗任务也日益实现自动化，radiology report generation (RRG) 仍然依赖于 suboptimal metric……
- · ai
[Paper] 生成式场景展开用于端到端自动驾驶
Vision-Language-Action（VLA）模型正逐渐成为端到端自动驾驶系统中极为有效的规划模型。然而，当前的工作大多…
- · ai
[Paper] MHA2MLA-VLM：在视觉-语言模型中实现 DeepSeek 的经济型多头潜在注意力
随着视觉语言模型（VLMs）处理日益复杂和多模态的任务，键值（KV）缓存的快速增长对内存和计算资源提出了显著的压力……
- · ai
[Paper] PRISM-CAFO：先验条件化遥感基础设施分割与映射用于CAFOs
大型畜牧业对人类健康和环境构成重大风险，同时也易受到诸如传染病等威胁。
- · ai
[Paper] 何时两个评分优于一个？探索 Diffusion Models 的集成
Diffusion models 现在能够生成高质量、多样化的样本，且对更强大模型的关注日益增加。虽然 ensembling 是一种众所周知的提升方法……
- · ai
[Paper] Map2Thought：通过度量认知地图进行显式3D空间推理
我们提出了 Map2Thought，一个能够为 3D VLM 提供显式且可解释的空间推理的框架。该框架基于两个关键组件：Metr...
- · ai
[Paper] PubMed-OCR: PMC 开放获取 OCR 注释
PubMed-OCR 是一个以 OCR 为中心的科学文章语料库，来源于 PubMed Central Open Access PDFs。每页图像都使用 Google Cloud Vision 进行标注……