长序列流式3D重建仍然是一个重要的未解决挑战。现有的autoregressive模型在处理长序列时常常失败。它们 t...

随着面部识别（FR）系统的进步，隐私保护面部识别（PPFR）系统因其准确的识别而受到广泛关注，...

检测图像和视频中的异常是多个现实问题的关键任务，包括工业检测、计算机辅助诊断等。

本文提出了一种新颖的方法——Spectral-Interpretable and -Enhanced Transformer (SIEFormer)，该方法利用光谱分析重新诠释注意力……

基于事件流的视觉位置识别（VPR）是一项新兴的研究方向，提供了一个有力的解决方案，以应对传统可见光方法的不稳定性……

随着 self-driving technology 向广泛采用迈进，确定在不同 environmental conditions 下的安全 operational thresholds 变得至关重要……

视觉错觉传统上依赖于空间操作，例如多视图一致性。在本工作中，我们引入了 Progressive Semantic Illusions，这是一种新颖的……

统一模型能够在单一架构中同时处理多模态理解和生成，但它们通常在一次前向传播中完成，而不进行迭代……

使用 Diffusion Transformers 进行实时视频生成时，受到 3D self-attention 二次成本的瓶颈限制，尤其在实时模式下……

监督微调（SFT）在计算上高效，但相比强化学习（RL）通常会导致较差的泛化能力。这一差距主要是…

当前用于图像生成和编辑的统一多模态模型通常依赖于大规模参数（例如 >10B），导致训练成本高昂……

高质量的3D纹理生成仍然是一个根本性的挑战，因为当前主流的 multi-view diffusion pipelines 所固有的视角不一致性。...