Human motion prediction 将轨迹预测（trajectory forecasting）和人体姿态预测（human pose prediction）这两个任务结合在一起。针对这两个任务，已经开发了专门的模型……

光学瞬态的发现率将在 Vera C. Rubin 天文台的 Legacy Survey of Space and Time 启动后激增至每晚 1000 万条公开警报。

前馈Transformer模型推动了3D视觉的快速进展，但诸如VGGT和π³等最先进的方法的计算成本随……

YouTube 已经发展成为一个强大的平台，创作者通过 affiliate marketing 将他们的影响力变现，这引发了关于透明度和…

传统的 vision-language models 在对比细粒度分类推理方面表现不佳，尤其是在区分外观相似的物种时……

随着大型语言模型（LLMs）转向自主多代理生态系统，稳健的 minimax 训练变得至关重要，但仍容易出现不稳定……

Generative audio 需要细粒度的可控输出，但大多数现有方法需要对特定控制进行模型再训练或在推理时进行控制……

Unscented Kalman Filter（UKF）是一种用于非线性状态估计的无处不在的工具；然而，它的性能受到静态参数化的限制……

最近在机器人学习方面的进展加速了通用机器人向能够在日常人类环境中执行任务的方向发展。然而仍然很困难…

病理报告生成仍然是一个相对未被充分探索的下游任务，主要是由于其 gigapixel 规模和复杂的形态异质性。

大规模视觉语言基础模型（VLFMs），例如 CLIP，现已支撑广泛的计算机视觉研究和应用。VLFMs 通常是 ada...

构建计算机辅助设计（CAD）模型工作量大，但对工程和制造至关重要。近期在大型语言模型（LL...）取得了重要进展。