扩散生成模型在图像和视频生成等视觉域中表现出了很大的成功。他们最近还成为机器人技术中的一种有前途的方法，尤其是在机器人操作中。扩散模型利用了一个概率框架，他们以对高维输入和输出空间进行建模多模式分布以及鲁棒性的能力而脱颖而出 ...

为了最大程度地减少面部识别年龄变化的影响，先前的工作要么通过最大程度地减少身份和年龄相关特征之间的相关性来提取与身份相关的歧视性特征，称为年龄不变的面部识别（AIFR），或者通过将不同年龄组的面部转化为同一年龄组，称为面部年龄段（称为面部年龄范围），称为年龄变化，称为面部年龄段，称为面部年龄段（fas）（fas）（fas）；但是，前者缺乏模型解释的视觉结果，而后者则遭受了损害下游识别的伪影。因此， ...

使用大型语言模型（LLM）来处理复杂的任务是一个显着的趋势，例如需要一系列操作以及与工具和外部环境进行动态交互的任务 ...

多模式大语言模型（MLLMS）实现了出色的性能，以实现细粒度的像素级理解任务。但是，所有作品都在很大程度上依赖于额外的组件，例如视觉编码器（剪辑），分割专家，导致高系统复杂性和限制模型缩放。在这项工作中，我们的目标是在不引入额外组件的情况下探索高度简化的MLLM ...

近年来，无监督的单眼深度和自我运动估计引起了广泛的研究关注。尽管当前的方法达到了高度最高的准确性，但由于使用单眼序列训练固有的规模歧义，它们通常无法学习真实规模的指标。在这项工作中，我们解决了这个问题，并提出了Dynadepth，这是一个新颖的量表感知框架，该框架整合了视觉和IMU运动动态的信息 ...

我们提出了一个有效的框架，称为简单交换（，simswap），旨在实现通用和高保真度的面部交换。与之前缺乏泛化任意身份的能力或无法保留面部表情和注视方向等属性的方法相比，我们的框架能够将任意源面部的身份转移到任意目标面部，同时保留以下属性：目标脸。我们通过以下两种方式克服上述缺陷... ...

在大型语言模型（LLM）领域，知识蒸馏（KD）是将能力从教师模型转移到学生模型的关键技术。但是，现有的KD方法面临LLM蒸馏的限制和挑战，包括传统KL差异的效率和不足的测量能力。结果表明，LLM可以用作隐式奖励函数，我们将其定义为KL Divergence的补充 ...

在过去的一年中，大型语言模型（LLM）在传统的自然语言处理之外取得了巨大的成功，并且在与外部工具相关时，它们的能力进一步扩展到了所谓的LLM代理。在所有域中，LLMS的提示已显示出对LLM产生的内容的巨大变化，从而影响LLM代理的性能。因此，对于许多LLM的研究人员和用户来说，自动及时工程（APE）已成为一个重要的问题 ...