在时间序列预测 (TSF) 领域，Transformer 始终表现出强大的性能，因为它能够关注全局上下文并有效捕获时间范围内的长期依赖性，以及辨别多个变量之间的相关性。然而，由于 Transformer 模型的效率低下以及围绕其捕获依赖关系的能力的问题，改进 Transformer 架构的持续努力仍在继续。最近，状态空间模型（SSM），例如 ...

预训练的语言模型不断进行微调，以更好地支持下游应用程序。然而，此操作可能会导致超出目标域的一般任务的性能显着下降。为了克服这个问题，我们提出了 LM-Cocktail，它使微调后的模型能够在总体角度上保持弹性 ...

现实世界的应用程序通常需要大量共享一致主题的 3D 资源。虽然从文本或图像创建一般 3D 内容已经取得了显着的进步，但按照输入 3D 示例的共享主题合成定制 3D 资产仍然是一个开放且具有挑战性的问题。在这项工作中，我们提出了 ThemeStation，这是一种用于主题感知 3D 到 3D 生成的新颖方法 ...

大型语言模型（LLM）在各个领域都展现出巨大的潜力；然而，它们在信息提取（IE）方面表现出显着的性能差距。需要注意的是，高质量的教学数据是提升LLM专业能力的关键，而目前的IE数据集往往规模小、碎片化、缺乏标准化模式。为此，我们引入了IEPile，一个综合性双语（英文和中文）IE指令语料库，其中包含约0. ...

与人类偏好保持一致可以防止大型语言模型 (LLM) 生成误导性或有毒内容，同时需要高成本的人类反馈。假设人类注释资源有限，有两种不同的分配方式可供考虑：更多样化的提示或更多样化的待标记响应。尽管如此，它们的影响之间还没有直接的比较 ...

在处理 3D 面部数据时，提高保真度并避免恐怖谷效应在很大程度上取决于准确的 3D 面部表情捕捉。由于此类方法成本高昂且 2D 视频广泛可用，因此最近的方法主要集中在如何执行单目 3D 面部跟踪。然而，由于网络架构、训练和评估过程的限制，这些方法通常无法捕捉精确的面部运动 ...

最近使用神经辐射场（NeRF）进行音频驱动的头部说话合成的工作取得了令人印象深刻的成果。然而，由于 NeRF 隐式表示导致的姿势和表情控制不足，这些方法仍然存在一些局限性，例如不同步或不自然的嘴唇运动，以及视觉抖动和伪影。在本文中，我们提出了 GaussianTalker，一种基于 3D 高斯分布的音频驱动头部说话合成的新方法 ...

在一次性设置下进行面部表情迁移在研究界越来越受欢迎，重点关注表情的精确控制。现有技术在感知表情方面展示了令人信服的结果，但它们缺乏对极端头部姿势的鲁棒性。他们还难以准确地重建背景细节，从而阻碍了真实感 ...