近年来，卷积网络（CNN）的监督学习在计算机视觉应用中得到了广泛采用。相比之下，CNN 的无监督学习受到的关注较少。在这项工作中，我们希望帮助缩小 CNN 在监督学习和无监督学习方面的成功之间的差距 ...

最近的研究重点是利用大型基础模型 (LFM) 生成的输出，通过模仿学习来增强较小模型的能力。许多问题都会影响这些模型的质量，包括来自浅层 LFM 输出的有限模拟信号；小规模同质训练数据；最值得注意的是，缺乏严格的评估，导致高估了小模型的能力，因为它们倾向于学习模仿 LFM 的风格，而不是推理过程。为了应对这些挑战，我们开发了 Orca（我们正在与我们的法律团队合作，根据 LLaMA 的发布政策公开 ...

大量恒星的恒星丰度是研究银河系形成历史的关键信息。 DESI 和 LAMOST 等大型光谱巡天在整个光学波长范围内获取数百万颗恒星的中低分辨率 ($R\lesssim5000$) 光谱。然而，这些光谱中的线混合效应给元素丰度的测定带来了巨大的挑战 ...

对视频的一般运动理解不仅涉及跟踪对象，还涉及感知其表面如何变形和移动。此信息对于推断 3D 形状、物理属性和对象交互非常有用。虽然在较长的视频剪辑中跟踪表面上的任意物理点的问题已经受到了一些关注，但到目前为止，还没有用于评估的数据集或基准 ...

量子计算有望增强机器学习和人工智能。人们提出了不同的量子算法来改善各种机器学习任务。然而，最近的理论工作表明，与基于深度经典神经网络的传统分类器类似，量子分类器也会遇到漏洞问题：向合法的原始数据样本添加精心设计的微小扰动将导致在极高的置信水平下做出错误的预测。  ...

NLP 在过去十年中通过使用神经模型和大型标记数据集取得了巨大进步。对丰富数据的依赖阻碍了 NLP 模型应用于资源匮乏的环境或需要大量时间、金钱或专业知识来标记大量文本数据的新颖任务。最近，数据增强方法被探索作为提高 NLP 数据效率的一种手段 ...

开放世界视频实例分割是一项重要的视频理解任务。然而，大多数方法要么在封闭世界环境中运行，需要额外的用户输入，要么使用经典的基于区域的建议来识别以前从未见过的对象。此外，这些方法只为检测到的对象分配一个单词标签，并且不会生成丰富的以对象为中心的描述 ...

计算机辅助分割方法可以帮助医务人员改善诊断结果。虽然 UNet 及其变体等最新进展已显示出希望，但它们面临着严峻的挑战：平衡准确性与计算效率。 UNet 中的浅层编码器架构通常很难捕获关键的空间特征，从而导致分割不准确和稀疏 ...