· ai
[Paper] PersonalAlign：层次化隐式意图对齐用于个性化 GUI 代理的长期用户中心记录
虽然 GUI 代理在明确指令和完成指令下表现出强大的性能，但在实际部署中需要与用户更复杂的实现保持一致。
-
- · ai
CNN之战：ResNet vs. MobileNet vs. EfficientNet 用于水果疾病检测
引言 我一直对 deep learning 如何解决现实世界问题感到着迷，而 fruit disease detection 似乎是完美的挑战——不是...
- · ai
[Paper] RAVEN：通过新视角合成消除不可见水印
隐形水印已成为验证 AI 生成图像内容的关键机制，主要平台正在大规模部署水印方案……
- · ai
[Paper] 3AM：在视频中实现几何一致性的 Segment Anything
像 SAM2 这样的 Video object segmentation 方法通过基于 memory 的架构实现了强大的性能，但在视角大幅变化时会因可靠性…
- · ai
[Paper] 视频生成的运动归因
尽管视频生成模型取得了快速进展，但数据在影响运动方面的作用仍然了解不足。我们提出了 Motive（MOTIon attribution for Vi...）。
- · ai
[Paper] 推理对 3D Visual Grounding 很重要
最近大型语言模型（LLMs）在强推理能力方面的发展推动了数学、编码和科学等多个领域的研究。
- · ai
[Paper] S3-CLIP：视频超分辨率用于Person-ReID
在大多数人物再识别（ReID）方法中，Tracklet 质量常常被视为事后考虑，绝大多数研究仅关注架构的修改……
- · ai
[Paper] 近乎完美的 Hula 彩绘青蛙照片识别，使用 zero-shot deep local-feature matching
准确的个体识别对于监测稀有两栖动物至关重要，但侵入性标记往往不适用于极危物种。我们 e...
- · ai
[Paper] DentalX：上下文感知牙科疾病检测与放射影像
从 radiographs 中诊断牙科疾病既耗时又具挑战性，因为诊断证据往往非常微妙。现有方法依赖于……
- · ai
[Paper] 聚合多样线索专家用于AI生成图像检测
图像合成模型的快速出现对 AI 生成图像检测器的泛化能力构成了挑战。然而，现有方法往往依赖于 mo...
- · ai
[Paper] 使用 CycleGAN 将 Light‑Sheet Microscopy 图像转换为虚拟 H&E
组织病理学分析依赖于苏木精-伊红（H&E）染色，但荧光显微镜提供了互补的信息。将荧光…
- · ai
[Paper] M3CoTBench：医学图像理解中 MLLMs 的 Chain-of-Thought 基准
Chain-of-Thought (CoT) 推理已被证明能够通过鼓励逐步的中间推理来提升大语言模型的效果，近期的进展……