由于人类的外观和姿势多种多样，而且高质量训练数据的可用性有限，从单个图像创建高保真、可动画的 3D 全身头像是一项具有挑战性的任务。为了实现快速、高质量的人体重建，这项工作从数据集、模型和表示的角度重新思考了任务。首先，我们介绍一个以人类为中心的大规模生成数据集 HuGe100K，它由 100K 个多样化的、逼真的人类图像集组成 ...
随着对大语言模型（LLM）和AI代理的需求迅速增长，为有效的LLM推理的优化系统变得至关重要。尽管重大努力针对系统级工程，但通过数学建模和排队的角度探索了很少的努力。在本文中，我们旨在开发LLM推论的排队基础，弥合排队和LLM系统社区之间的差距 ...
IE（IE）的挑战在于标签模式的多样性和结构的异质性。传统方法需要针对特定任务的模型设计 ...
随着在线信息量的不断增长，推荐系统已成为克服信息过载的有效策略。鉴于推荐系统在许多，应用程序中的广泛采用，以及它对改善与过度选择相关的许多问题的潜在影响，推荐系统的实用性怎么强调都不为过。近年来，深度学习在计算机视觉和自然语言处理等许多研究领域引起了人们的极大兴趣，不仅因为它出色的性能，而且还因为它具有从头开始学习特征表示的诱人特性... ...
增强技术和抽样策略在对比学习中至关重要，但是在大多数现有作品中，增强技术需要仔细设计，其采样策略只能捕获少量的内在监督信息。此外，现有方法需要复杂的设计才能获得数据的两个不同表示。为了克服这些局限性，我们提出了一个新的框架，称为自对比度图扩散网络（SCGDN） ...
人重新识别（RE-ID）是一项具有挑战性的任务，涉及在监视系统中识别不同相机视图的同一个人。当前的方法通常依赖于单相机视图中的功能，在处理多个摄像机和挑战（例如改变观点和遮挡）等挑战时可能会受到限制。在本文中，引入了一种新方法，该方法通过不确定的特征融合方法（UFFM）和自动加权测量组合（AMC）增强了REID模型的能力 ...
我们推出 FrontierMath，这是由专家数学家精心设计和审查的数百个原创的、极具挑战性的数学问题的基准。这些问题涵盖了现代数学的大多数主要分支——从数论和实分析中的计算密集型问题到代数几何和范畴论中的抽象问题。解决一个典型问题需要相关数学分支的研究人员花费数小时的努力，而对于高端问题则需要数天的努力 ...
神经排名模型（NRMS）和密集检索（DR）模型已大大改善了总体检索性能。除了它们的有效性，并且是由于其他领域的基于深度学习的方法的鲁棒性而引起的，人们对基于深度学习的方法对核心检索问题的鲁棒性越来越兴趣。到目前为止，已经开发出的对抗性攻击方法主要集中在攻击NRM上，而对DR模型的稳健性很少关注 ...
