· ai
[Paper] 通过基于事件的上下文和置信度提升大语言模型在零样本 ADL 识别中的表现
通过处理从物联网传感设备收集的数据，在智能家居中进行基于无侵入式传感器的日常活动（Activities of Daily Living，ADLs）识别，支持应用……
-
- · ai
[论文] SecureCAI：面向网络安全运营的抗注入LLM助手
大型语言模型已成为安全运营中心的变革性工具，能够实现自动化日志分析、网络钓鱼分流和恶意软件解释……
- · ai
[Paper] 免调参视觉效果跨视频转移
我们提出 RefVFX，一个新的框架，以前馈方式将复杂的 temporal effects 从 reference video 转移到 target video 或 image 上。虽然 e...
- · ai
[论文] MHLA：通过 Token 级多头恢复线性注意力的表达能力
虽然 Transformer 架构在许多领域占据主导地位，但其二次方的 self-attention 复杂度阻碍了其在大规模应用中的使用。Linear attention …
- · ai
[Paper] 更多图像，更多问题？对 VLM 失效模式的受控分析
大型视觉语言模型（LVLMs）已经展示了卓越的能力，但它们在理解和推理多张图像方面的熟练程度仍然……
- · ai
[Paper] Exchange 是遥感变化检测所需的一切
遥感变化检测根本上依赖于对双时相特征的有效融合和判别。主流范式通常采用…
- · ai
[Paper] 视觉语言模型用于精确陨石坑检测
欧洲航天局（ESA），受其在计划中的月球任务以及 Argonaut lander 的雄心驱动，对可靠的 crater detection 有着深厚的兴趣。
- · ai
[Paper] OS-Symphony：用于稳健且通用的计算机使用代理的整体框架
虽然 Vision-Language Models（VLMs）显著推动了 Computer-Using Agents（CUAs）的发展，但当前框架在长时程工作流的鲁棒性方面仍然存在困难……
- · ai
[Paper] 超越外部指导：释放扩散Transformer内部的语义丰富性以提升训练
最近的工作如 REPA 已经表明，使用外部语义特征（例如 DINO）来引导 diffusion models 可以显著加速其训练。
- · ai
[论文] 视频证据推理：通过显式证据定位实现高效视频理解
大型视觉语言模型（LVLMs）在视频推理中面临根本性的两难困境：它们被冗长推理的高昂计算成本所束缚……
- · ai
[Paper] 关于 Wasserstein metric 在二维曲线分类中的应用
在本工作中，我们分析了多种 Wasserstein 距离的变体，这些变体能够将分类聚焦在指定的（片段）部分上。
- · ai
[Paper] 评估视觉语言模型在不常见动作上的编码能力
我们提出了 UAIT（Uncommon-sense Action Image-Text）数据集，这是一项新的评估基准，旨在测试视觉语言模型的语义理解能力……