我们提出了GS-IR，这是一种基于3D高斯脱落（GS）的新型逆渲染方法，该方法利用前向映射体积渲染以实现逼真的新型视图综合和重新确定结果。与以前使用隐式神经表示和音量渲染的作品不同（例如 ...

跨多个文档的核心分辨率在自然语言处理中构成了重大挑战，尤其是在知识图的领域中。这项研究介绍了一种创新方法，旨在识别和解决对出现在不同文本的相同实体的参考，从而增强了信息的连贯性和协作。我们的方法采用了动态链接机制，该机制将知识图中的实体与相应的文本提及相关联 ...

我们在动态场景中解决了3D重建的任务，其中对象运动降低了先前的3D指数回归方法的质量，例如DUST3R，最初是为静态3D场景重建而设计的。尽管这些方法在静态设置中提供了一种优雅而强大的解决方案，但它们在有动态动作的存在下挣扎，这些动态动态仅基于相机姿势破坏对齐。为了克服这一点，我们提出了d^2ust3r，以回归4D指数，以同时以馈送方式捕获静态和动态3D场景几何形状 ...

使用大型语言模型（LLMS）提供动力的代理商的社会，在解决问题的自动化问题中取得了重大进展。在金融中，努力主要集中在单独的系统上处理特定任务或独立收集数据的多代理框架。但是，多代理系统复制现实世界贸易公司的协作动态的潜力仍然没有得到充实 ...

traganything，它利用实体表示来实现对可控视频生成中任何对象的运动控制。与现有的运动控制方法相比，draganything，在获取其他引导信号（例如，在获取其他引导信号（例如，导航信号） ...

在本文中，我们通过解决了几个开放问题，对中文学习（ICL）进行了全面研究：（a）大型语言模型学到了哪种类型的ICL估计器？ （b）ICL的适当性能指标是什么？错误率是多少？ （c） Transformer 体系结构如何启用ICL？为了回答这些问题，我们采用贝叶斯观点并提出ICL作为预测与当前协变量相对应的响应的问题，鉴于从潜在变量模型中绘制的许多示例。为了回答（a），我们表明，在不更新神经网络参数 ...

病理图像对于准确解释细胞病理学筛查中的病变细胞至关重要，但是获得高分辨率的数字幻灯片需要专门的设备和较长的扫描时间。尽管超分辨率（SR）技术可以减轻这个问题，但现有的深度学习模型以黑盒方式恢复病理图像，这可能导致不真实的生物学细节和误诊。此外，当前方法分配了相同的计算资源来恢复每个病理图像的每个像素，从而导致了由于病理图像的较大变化而导致的次优恢复问题 ...

基于 Transformer 的方法已显示出令人印象深刻的医疗图像恢复结果，这归因于空间维度中的多头自我注意力（MSA）机制。但是，大多数现有 Transformer 在固定和粗糙的区域内引起注意（\ text {例如 ...