低功能环境是几何计算机视觉（CV）算法的主要跟腱之一。在大多数人类制造的场景通常具有低特征的场景中，可以将线路视为对点的补充。在本文中，我们提出了使用点和线路功能的多机器人合作视觉惯性导航系统（VIN） ...
随着意图的变化，我们如何更新用户意图的AI内存？我们考虑AI接口如何有助于将新信息集成到自然语言数据的存储库中。受影响分析等软件工程概念的启发，我们开发了使用非本地效应管理语义变化的UI，我们称之为“语义冲突解决”。用户对项目提出了新的意图 - 进行“语义提交” - AI可帮助用户在代表其意图的现有信息的商店内检测和解决语义冲突（“意图规范”） ...
采用电动汽车（EV）被认为对实现气候目标至关重要，但它取决于消费者的兴趣。这项研究探讨了公众购买电动汽车的意图如何与四个未经审查的因素相关：接触电动汽车信息，对电动汽车的环境利益的看法，对政府气候政策的看法以及对未来EV基础设施的信心；在控制先前的EV所有权，政治隶属关系和人口特征的同时（例如 ...
手表数据的机器学习中的关键任务之一是功能工程。尽管这对于改善模型的性能至关重要，但它需要大量的人类专业知识和深层领域的知识，从而使其成为劳动密集型的努力。为了解决这个问题，我们提出了一个新颖的框架，\ textbf {ferg-llm}（\ textbf {fextbf {fextbf {fextbf {r textbf {r}工程为80亿参数 ...
高维矢量的最大内部产品搜索（MIP）在数据库，信息检索和人工智能之间是关键的。现有方法要么在遭受有害矢量空间变换的同时将MIPS减少到最近的邻居搜索（NNS），要么试图直接处理MIP，但由于缺乏三角形不平等，努力减轻冗余计算。本文提出了一个新颖的理论框架，该框架将MIP等同于NNS而不需要空间转换，从而使我们能够利用高级基于图形的索引用于NNS和有效的边缘修剪策略，从而大大降低了不必要的计算 .. ...
多模式的大语言模型（MLLM）改变了计算机视觉的景观，在各种任务中获得了令人印象深刻的结果，尤其是在零击中。不幸的是，它们的强大性能并不总是转移到分布域（例如地球观察（EO）图像）。先前的工作表明，MLLM在某些EO任务中表现出色，例如图像字幕和场景理解，而在需要更细粒度的空间推理（例如对象定位）的任务上失败 ...
强化学习（RL）已成为对复杂推理任务进行微调大语模型（LLM）的流行方法。在最近的方法中，GRPO在诸如DeepSeek-R1之类的培训模型中取得了成功，但其有效性的来源仍然很少理解。在这项工作中，我们从类似增强的算法的角度重新访问GRPO并分析其核心组成部分 ...
尽管在大规模的现场重建中取得了重大成就，但3D高斯脱落仍然面临着重大挑战，包括缓慢的处理，高计算成本和有限的几何精度。这些核心问题源于其固有的非结构化设计和缺乏有效的并行化。为了同时克服这些挑战，我们介绍了Citygs-X，这是一种基于新颖的并行混合层次结构3D表示（ph^2-3d）的可扩展体系结构 ...
