· ai
[Paper] Video4Spatial：迈向具备上下文引导的视频生成的视觉空间智能
我们调查视频生成模型是否能够展现视觉空间智能，这是一种对人类认知至关重要的能力，仅使用视觉数据。为此……
-
- · ai
[Paper] ViSAudio：端到端视频驱动的双耳空间音频生成
尽管视频到音频生成取得了进展，该领域主要关注单声道输出，缺乏空间沉浸感。现有的binaural方法仍然……
- · ai
[Paper] 学习无需加速度测量的物理一致拉格朗日控制模型
本文研究了涉及非保守力的拉格朗日系统的建模与控制，采用一种不需要加速度的混合方法...
- · ai
[论文] MAViD：用于音频-视觉对话理解与生成的多模态框架
我们提出 MAViD，一个用于 Audio-Visual Dialogue 理解和生成的全新 Multimodal 框架。现有方法主要关注非交互式的……
- · ai
[Paper] SMP：可复用的 Score-Matching Motion Priors 用于基于物理的角色控制
Data-driven motion priors 能够引导 agents 产生自然行为，在创建逼真的虚拟角色方面发挥关键作用。Adversaria...
- · ai
[Paper] 道德一致性流水线：大型语言模型的持续伦理评估
Large Language Models (LLMs) 的快速发展和适应性凸显了道德一致性的需求，即保持伦理连贯性的能力……
- · ai
[Paper] LORE：用于搜索相关性的大型生成模型
成就。我们推出 LORE，一个基于大型生成模型的电商搜索相关性系统框架。已部署并迭代三年，...
- · ai
[Paper] TokenPowerBench：基准测试 LLM 推理的功耗
大型语言模型（LLM）服务现在每天回答数十亿次查询，行业报告显示，推理（inference）而非训练（training）占比超过90%。
- · ai
[Paper] Unrolled Networks 是 MRI 重建中的条件概率流
磁共振成像（MRI）提供了出色的软组织对比度且无需电离辐射，但其长时间的采集限制了临床实用性。最近……
- · ai
[Paper] 分布校准的推理时间计算用于思考 LLM-as-a-Judge
考虑到用作成对偏好评判的 Large Language Models (LLMs) 在单样本层面仍然噪声较大，且常见的聚合规则（多数投...
- · ai
[论文] 用于肖像视频编辑的 In-Context Sync-LoRA
编辑肖像视频是一项具有挑战性的任务，需要在广泛的修改范围内实现灵活且精确的控制，例如外观变化、表情……
- · ai
[Paper] 从审查到调解：LLMs 能否在在线火焰战中充当调解者？
大型语言模型（LLMs）的快速发展为 AI for good 应用打开了新的可能性。随着 LLMs 越来越多地调解在线交流……