· ai
[论文] 用于肖像视频编辑的 In-Context Sync-LoRA
编辑肖像视频是一项具有挑战性的任务，需要在广泛的修改范围内实现灵活且精确的控制，例如外观变化、表情……
-
- · ai
[Paper] U4D：不确定性感知的4D世界建模基于LiDAR序列
从 LiDAR 序列建模动态 3D 环境是构建可靠的 4D 世界以用于 autonomous driving 和 embodied AI 的核心。现有的生成框架……
- · ai
[Paper] InEx：通过自省和跨模态多代理协作进行幻觉缓解
幻觉仍然是大型语言模型（LLMs）的关键挑战，阻碍了可靠的多模态LLM（MLLM）发展。现有的解决方案……
- · ai
[Paper] 上下文图像攻击：视觉上下文如何暴露多模态安全漏洞
虽然 Multimodal Large Language Models (MLLMs) 展现出卓越的能力，但它们的安全对齐容易受到 jailbreak 攻击。现有的攻击方法...
- · ai
[Paper] BEVDilation：LiDAR中心的多模态融合用于3D目标检测
在鸟瞰视图（BEV）表示中融合 LiDAR 和 camera 信息已证明其在 3D object detection 中的有效性。然而，因为...
- · ai
[Paper] 轻量级实时低光增强网络用于嵌入式汽车视觉系统
在低光环境下，如夜间驾驶，图像退化严重挑战 in-vehicle camera 的安全性。由于现有的 enhancement algorithms 通常……
- · ai
[Paper] Layout Anything：一种用于通用房间布局估计的 Transformer
我们提出 Layout Anything，一个基于 transformer 的室内布局估计框架，它将 OneFormer 的通用分割架构适配到几何…
- · ai
[Paper] 使用 VideoScience-Bench 对视频生成的科学理解与推理进行基准测试
视频生成的下一个前沿是开发能够进行 zero-shot 推理的模型，其中对 real-world scientific laws 的理解至关重要，以实现……
- · ai
[论文] EGGS：可交换的 2D/3D Gaussian Splatting 用于几何‑外观平衡的新视角合成
新视角合成（NVS）在计算机视觉和图形学中至关重要，广泛应用于增强现实（AR）、虚拟现实（VR）和自动驾驶。虽然3D Gaussian Splatting（3D...）
-
- · ai
[Paper] 使用智能手表进行实时多模态数据采集及其在教育中的可视化
可穿戴传感器，例如 smartwatches，已在医疗、体育和教育等领域日益普及，实现了持续监测……
- · software
如何在 OCR 运行前修复倾斜的文档
封面图片：如何在 OCR 运行前修复被裁剪的文档 https://media2.dev.to/dynamic/image/width=1000,height=420,fit=cover,gravity=auto,format=auto/https...