语音分离涉及从多说话者音频信号中提取单个说话者的声音。现实环境日益复杂，多个说话者可能同时交谈，这凸显了有效语音分离技术的重要性。这项工作提出了一种针对噪声和混响环境的具有tf注意力的单麦克风扬声器分离网络... ...

来自现实世界中临床实践的患者数据通常会遭受数据稀缺和长尾失衡的困扰，从而导致偏见或算法不公平。这项研究通过从无病变图像产生含有病变的图像分割对来解决这些挑战。医学成像合成的先前努力一直在努力将病变信息与背景分开，导致背景低和对合成输出的控制有限 ...

随着综合媒体（包括视频，音频和文本）的综合媒体，与真实内容，错误信息的风险，身份欺诈和社会操作越来越升级。这项调查可以追溯到深泡检测从早期的单模式方法到整合音频视频和文本 - 视觉提示的复杂多模式方法的演变。我们提出了检测技术的结构化分类法，并分析了从基于GAN的扩散模型驱动的深击的过渡，由于其对检测的现实性和鲁棒性的增强，引入了新的挑战 ...

尽管最近在行人探测中取得了重大进展，但拥挤的场景中的行人发现仍然具有挑战性。行人之间的重大阻塞对标准的非最大抑制（NMS）构成了巨大挑战。相对低的联盟交叉点阈值（IOU）导致缺少高度重叠的行人，而较高的人则带来了很多误报 ...

这项调查调查了开发有效的大语言模型（LLM）的多机构系统至关重要的基础技术。旨在回答如何最好地为协作，动态环境优化这些系统，我们专注于四个关键领域：建筑，内存，计划和技术/框架。通过分析最新进步及其局限性（例如可扩展性，实时响应挑战和代理协调约束），我们提供了对技术景观的详细观点 ...

近年来，大语言模型（LLM）的整合彻底改变了机器人技术领域，使机器人能够以人类的熟练程度进行交流，理解和理性。本文探讨了LLM对机器人技术的多面影响，以应对在各个领域中利用这些模型的关键挑战和机会。通过对核心机器人元素（沟通，知觉，计划和控制）中的LLM应用程序进行分类和分析，我们旨在为寻求将LLMS集成到其机器人系统中的研究人员提供可行的见解 ...

随着人工智能的快速发展，智能决策技术在各种人类机器比赛中逐渐超过了人类水平，尤其是在复杂的多机构合作任务情景中。多代理合作决策涉及多个代理人共同完成既定任务并实现特定目标。这些技术广泛适用于实际情况，例如自动驾驶，无人机导航，灾难救援和模拟军事对抗 ...

随着基础模型的普及，参数有效的微调已成为利用预验证模型执行下游任务的DefaTso方法。从大型语言模型，视觉及时调整和类似技术的最新进展中汲取灵感，学习了一个额外的提示，以有效地为验证的视觉基础模型提供了限制。但是，我们观察到，这种提示不足以进行细粒度的视觉分类任务，例如医学图像分类，较大的阶层差异和较小的阶级差异 ...