通用体现的代理旨在了解用户的自然说明或意图，并精确地采取行动以完成通用任务。最近，基于基础模型，尤其是视觉语言动作模型（VLAS）的方法显示出了很好的解决语言条件操纵（LCM）任务的巨大潜力。但是，现有的基准不能充分满足VLA和相对算法的需求 ...

最近，由于能够在没有或最小的域知识的情况下建立异常检测模型，因此基于深度学习的算法被广泛采用。相反，要更稳定地训练人造神经网络，定义适当的神经网络结构或损失函数应该更好。对于训练异常检测模型，平均平方误差（MSE）函数被广泛采用 ...

在3D Vision中，点云完成是一个基本但没有解决的问题。当前的方法通常依赖于3D坐标信息和/或其他数据（例如 ...

尽管在异常检测方面取得了重大进展（AD），但现有检测方法针对对抗性攻击的鲁棒性仍然是一个挑战，损害了它们在自动驾驶等关键现实世界中的可靠性。此问题主要来自AD设置，该设置假设训练数据仅限于一组未标记的普通样本，从而使探测器在测试过程中容易受到对抗性异常样本的影响。此外，实施对抗性培训作为保障遇到困难，例如在不访问标签的情况下制定有效的目标功能 ...

随着深度学习的快速发展，基于CNN的U形网络已在医学图像细分中成功，并广泛用于各种任务。但是，它们在捕获全球功能方面的局限性阻碍了它们在复杂的细分任务中的性能。视力 Transformer （VIT）的兴起有效地弥补了CNN的缺乏，并促进了基于VIT的U-Networks在医疗图像分割中的应用 ...

检索提示的生成（RAG）表明，在指定的语料库内执行提问（QA）任务方面表现出了很高的熟练程度。尽管如此，仍然存在质量检查中抹布的许多故障实例。这些失败不仅归因于大语言模型（LLMS）的局限性；取而代之的是，由于两个局限性，它们主要源于LLM的不准确信息的检索：（1）当前的抹布方法在不考虑语义的情况下分段语料库，因此由于问题与段之间的相关性受损而难以找到相关的上下文 ...

文本引导的生成扩散模型解锁强大的图像创建和编辑工具。虽然这些已扩展到视频生成，但是当前的方法编辑了现有素材的内容，而保留结构需要为每个输入进行昂贵的重新训练或依赖于跨帧的图像编辑的易行传播。在这项工作中，我们提出了一个结构和内容引导的视频扩散模型，该模型根据所需输出的视觉或文本描述编辑视​​频 ...

本文以单个艺术目标为重点介绍面部风格化。这项任务的现有作品通常无法在实现几何变化的同时保留源内容。在这里，我们提出了一种新颖的Styo模型，即 ...