· ai
[论文] Multi-Crit：在多元标准遵循上的多模态评审基准
大型多模态模型（LMM）因其强大的指令遵循能力和一致性，正日益被用作多模态评估系统中的评审者。本文提出 Multi-Crit 基准，用于测试 LMM 能否充当可靠的评审...
-
- · ai
[Paper] CaFlow：提升长期动作质量评估的 Causal Counterfactual Flow
动作质量评估（AQA）从动作视频中预测细粒度的执行分数，已广泛应用于体育、康复和技能评估……
- · ai
[Paper] 视觉Transformer中非单调缩放机制
更深的视觉Transformer往往表现不如较浅的模型，这挑战了常见的尺度假设。通过对ViT-...的系统性实证分析，...
- · ai
[Paper] Qwen3-VL 技术报告
我们推出 Qwen3-VL，这是截至目前 Qwen 系列中最强大的视觉语言模型，在广泛的多模态基准上实现了卓越的性能……
- · ai
[Paper] 基于GCN的动作识别的主动学习
尽管图卷积网络（GCNs）在基于骨架的动作识别中取得了显著成功，但它们的性能往往依赖于大量的实验室…
- · ai
[Paper] ReSAM：细化、重新查询与强化：自提示点监督遥感图像分割
交互式分割模型，例如 Segment Anything Model（SAM），在自然图像上展示了显著的泛化能力，但表现不佳……
- · ai
MoGAN：通过少步运动对抗后训练提升视频扩散中的运动质量
视频扩散模型在帧级保真度方面表现出色，但仍在运动连贯性、动态性和真实感方面存在困难，常常会产生抖动、重影或 …
- · ai
[论文] 多模态鲁棒提示蒸馏用于 3D 点云模型
对抗性攻击对基于学习的 3D 点云模型构成了重大威胁，严重削弱了它们在安全敏感应用中的可靠性。
- · ai
[Paper] UAVLight：针对无人机（UAV）场景的光照鲁棒 3D 重建基准
Illumination inconsistency 是多视角 3D 重建中的一个根本性挑战。阳光方向、云层覆盖以及阴影的变化会破坏一致性……
- · ai
[Paper] 视频生成模型是优秀的潜在奖励模型
Reward feedback learning（ReFL）已被证明在将图像生成与人类偏好对齐方面有效。然而，将其扩展到视频生成面临…
- · ai
[Paper] Bangla 手语翻译：数据集创建挑战、基准测试与前景
Bangla Sign Language Translation (BdSLT) 迄今为止受到严重限制，因为该语言本身资源极其匮乏。标准的句子级数据集创建……
- · ai
[Paper] 年龄特异性阿尔茨海默病预测：非均匀时间跨度下的特征约束
阿尔茨海默病是一种导致认知功能下降的衰弱性疾病。及时识别该疾病对于疾病的早期干预和治疗方案的开发至关重要。