人类无疑是计算机视觉中最重要的参与者，并且能够检测任何给定自然语言描述的人，我们将任务定义为任何人，具有实践价值。但是，我们发现现有模型通常无法实现现实世界的可用性，并且当前的基准测试受到其专注于一对一的推荐的限制，这阻碍了这一领域的进步。在这项工作中，我们从三个关键角度重新审视此任务：任务定义，数据集设计和模型体系结构 ...

自主驾驶需要了解基础设施元素，例如车道和人行横道。为了安全地导航，必须实时从传感器数据得出此理解，并且需要以矢量化形式表示。学到的鸟眼视图（BEV）编码器通常用于将来自多个视图的一组相机图像组合到一个联合潜在的BEV网格中 ...

关系数据库驱动的数据分析（RDB-DA）报告生成旨在在查询关系数据库后生成数据分析报告，已广泛应用于财务和医疗保健等领域。通常，这些任务是由数据科学家手动完成的，使该过程非常密集，并表现出明确的自动化需求。虽然现有方法（e ...

我们介绍了Percov2，这是一种新颖而开放的超低位比率感知图像压缩系统，专为带宽和存储约束的应用而设计。 Percov2在Careil等人先前的工作基础上，将原始配方扩展到稳定的扩散3生态系统，并通过明确对离散的超级图像分布进行显式建模，从而提高了熵编码效率 ...

由于昂贵的高质量注释数据或偶尔的低注释质量质量（\ flow tiny对象），通过不准确的边界框进行监督的对象检测引起了广泛的兴趣。以前的作品通常使用多个实例学习（MIL）（高度依赖类别信息）来选择和完善低质量的框。这些方法遭受对象漂移，群体预测和零件支配问题，而无需探索空间信息 ...

本文介绍了Moe-Gen，这是一种针对单GPU执行优化的高通量MOE推理系统。现有的推理系统依赖于最初是为交互式推理而设计的基于模型或连续的批处理策略，这导致Moe的关键模块注意事项和专家模块的主要模块为不良的吞吐量而产生过多的批次。为了解决这个问题，我们介绍了基于模块的批处理，该批处理会在主机内存中积累 Token ，并在GPU上动态启动大批批次以最大化利用率 ...

存储库级代码完成旨在根据存储库的长上下文完成代码。现有研究从存储库中提取长篇小说作为输入，并利用大语言模型（LLMS）生成代码。但是，我们揭示了LLM的严重限制，即 ...

个性化的大语言模型（LLM）在许多应用中引起了极大的关注，例如智能教育和情感支持。大多数工作重点是基于配置文件控制字符设置（例如 ...