两相流中的界面动力学支配动量、热和质量传递，但在实验上仍然难以测量。传统技术面临……

统一多模态模型（UMMs）在视觉生成方面取得了显著进展。然而，现有基准主要评估结晶智力，……

随着大型多模态模型的快速发展，可靠的judge和critic模型已成为开放式评估和preference alignment的关键。

Flow-matching 模型在图像和视频生成方面提供了最先进的保真度，但其固有的顺序去噪过程使其速度较慢。Existin...

Biometric footstep recognition，基于人们在行走时脚下独特的压力模式，是一个新兴领域，应用正日益增长……

我们提出了 PuriLight，一个轻量且高效的框架，用于自监督单目深度估计，以应对计算效率方面的双重挑战……

现实世界中为具身代理收集数据仍然成本高且不安全，这需要可扩展、逼真且可直接用于模拟器的 3D 环境。然而，现有的……

Multiple rotation averaging (MRA) 是 3D 视觉和机器人领域的一个基础优化问题，旨在恢复全局一致的绝对旋转 fr...

扩展 action‑controllable world models 受限于动作标签的稀缺。虽然 latent action learning 有望从 u… 提取 control interfaces。

从未标记的视频数据中学习可迁移的知识并将其应用于新环境，是智能体的一项基本能力。该工作预…

利用表示编码器进行生成建模提供了一条实现高效、高保真合成的路径。然而，标准的 diffusion transformers 未能…

在互联网规模的视频上进行视觉-语言-动作（VLA）策略的预训练很有吸引力，但当前的潜在动作目标往往学习错误的东西：它们……