· ai
[Paper] ImLoc：重新审视基于图像表示的视觉定位
现有的视觉定位方法通常要么是 2D image-based 的，这类方法易于构建和维护，但在有效的几何推理方面受限，或者……
-
- · ai
[Paper] 扫描仪引起的域转移削弱了病理基础模型的鲁棒性
病理基础模型（PFMs）已成为计算病理学的核心，旨在提供用于从全切片图像中提取特征的通用编码器……
- · ai
[Paper] ToTMNet：FFT 加速的 Toeplitz 时序混合网络用于轻量化远程光电容积描记
远程光电容积描记（rPPG）从普通摄像头捕获的面部视频中估计血容量脉冲（BVP）波形。虽然最近的深度模型 i...
- · ai
[Paper] Diffusion-DRF：用于视频扩散微调的可微奖励流
Direct Preference Optimization (DPO) 最近通过提升视觉保真度和文本对齐，改进了文本到视频（T2V）生成。然而，当前的方法…
- · ai
[Paper] Klear: 统一多任务音视频联合生成
音视频联合生成已经快速发展，但仍然存在重大挑战。非商业方法仍然存在音视频不同步的问题，...
- · ai
[论文] Wow, wo, val! 全面 Embodied World Model Evaluation Turing Test
随着世界模型在 Embodied AI 中获得动力，越来越多的工作探索使用 video foundation models 作为预测性世界模型，以用于下游 embo...
- · ai
[Paper] 像素级多模态对比学习用于遥感图像
卫星持续产生海量数据，尤其是用于地球观测，包括卫星图像时间序列（SITS）。然而，大多数深度学习...
- · ai
[Paper] InfiniteWeb：可扩展的 Web 环境合成用于 GUI 代理训练
代表用户与图形界面交互的 GUI 代理代表了实用 AI 助手的一个有前景的方向。然而，训练此类代理……
- · ai
[Paper] MORPHFED：Federated Learning用于跨机构血液形态分析
自动血液形态分析可以在低收入和中等收入国家（LMICs）支持血液学诊断，但仍然对 dataset shifts 敏感……
- · ai
[Paper] 跨模态冲突下大型多模态模型推理一致性分析
Large Multimodal Models (LMMs) 已展示出在通过 Chain-of-Thought (CoT) 进行视频推理方面的惊人能力。然而，它们推理的鲁棒性…
- · ai
[论文] 更好，但仍不足：测试视频ANNs对猕猴IT动态
在静态图像上训练的前馈人工神经网络（ANNs）仍然是灵长类动物腹侧视觉通路的主导模型，然而它们本质上……
- · ai
[论文] Muses：设计、构思、生成无需训练的不存在的幻想3D生物
我们提出了 Muses，这是首个在前馈范式下实现奇幻 3D 生物生成的无训练方法。之前的方法依赖于部件感知的 opt...