· ai
WiFi DensePose：通过墙壁的基于 WiFi 的密集人体姿态估计系统
请提供您需要翻译的具体摘录或摘要内容，我才能为您进行翻译。
-
- · ai
LAION-400M：开放数据集，包含 CLIP 过滤的 4 亿图像-文本对
LAION-400M 是一个巨大的公共资源，旨在激发新想法。它包含约 4 亿张图像，每张图像配有简短的标题，经过清理和 CLIP‑filtered。
- · ai
AutoAugment：从数据中学习增强策略
概述 AutoAugment 是一种自动发现有效图像增强策略的方法。通过系统地测试许多简单的变换——例如…
- · ai
[Paper] HiStream：通过消除冗余的流式传输实现高效高分辨率视频生成
高分辨率视频生成虽然对数字媒体和电影至关重要，但由于扩散模型的二次复杂度，在计算上成为瓶颈，...
- · ai
[Paper] 超越记忆：多模态序回归基准，揭示视觉语言模型中的流行度偏差
我们揭示了最先进的视觉语言模型（VLMs）中显著的流行偏差，这些模型在著名建筑上的准确率最高可提升34%……
- · ai
[Paper] 流媒体视频指令微调
我们提出了 Streamo，这是一种实时流式视频 LLM，充当通用交互式助手。与现有专注于狭窄场景的在线视频模型不同……
- · ai
[论文] Fast SAM2 with 文本驱动 Token 剪枝
Segment Anything Model 2 (SAM2) 是一种视觉基础模型，在基于提示的视频目标分割方面取得了显著进展，但其实际部署仍面临挑战……
- · ai
[Paper] TICON：一种用于组织病理学表征学习的切片级Tile Contextualizer
在大型全切片图像（WSI）中，对小块（tiles）的解释通常需要更大的图像上下文。我们提出了 TICON，一种基于 transformer 的 tile 表示方法……
- · ai
[Paper] 数据处理不等式是否反映实践？关于低层任务的效用
Data processing inequality 是信息论中的一个原理，指出对观测到的信号进行处理时，信号的信息内容不能增加。
- · ai
[Paper] AndroidLens: 长延迟评估与嵌套子目标的 Android GUI Agents
图形用户界面（GUI）代理可以通过自动化在移动设备上频繁执行的长延迟任务，显著提升生产力。然而，ex...
- · ai
[Paper] 基于掩码的表格分割后处理用于结构坐标提取
结构化数据从表格中提取在扫描文档和数字档案的文档图像分析中发挥着关键作用。虽然已经有许多方法……
- · ai
[Paper] 使用 Spike-Driven Video Transformer 的外科场景分割，具备实时潜力
现代外科系统日益依赖 intelligent scene understanding，以提供及时的 situational awareness，提升 intra-operative safety。 Within...