最近，使用对比表示学习（CRL）作为一种预训练技术可改善使用嘈杂标签（LNL）方法的学习性能。但是，当琐碎的训练将CRL损失与LNL方法作为端到端框架中时，经验实验表明了性能的严重变性，而不是预训练。我们通过实验验证了这个问题是由优化损失冲突引起的，并提出了端到端\ textbf {plremix}框架，通过引入伪标签放松（PLR）对比损失 ...

人类可以在混乱的环境中自然识别和精神上完整的封闭物体。但是，即使使用先进的重建技术，赋予机器人技术类似的认知能力仍然具有挑战性，该技术将场景模拟为未分化的批发，并且无法从部分观察结果中识别完整的对象。在本文中，我们提出了Instascene，这是一个新的范式，旨在以一个主要目标：分解任意实例的同时确保完全重建 ...

我们介绍了WayvesCenes101，这是一个旨在帮助社区在新型视图合成中推进最新技术的数据集，该综合的重点是挑战驾驶场景，其中包含许多动态和可变形的元素，并随着变化的几何形状和纹理而变化。该数据集包括在各种环境条件和驾驶场景中的101个驾驶场景。该数据集设计用于对野外驾驶场景进行基准重建，对场景重建方法的固有挑战，包括图像眩光，快速曝光变化以及具有明显闭合的高度动态场景 ...

我们提出了一个称为模块化培养皿网络组装工具包（MPAT）的Python软件包，该软件包赋予用户轻松创建用于各种空间配置的大规模的模块化Petri Nets，包括广泛的空间网格或从形状文件中得出的，并从形状文件中衍生出，并增强了与异类信息层增强。培养皿网是计算生物学和工程中强大的离散事件系统建模工具。但是，它们用于自动构建大型空间模型的实用性受到现有建模软件包中的差距的限制 ...

长期多代理系统不可避免地会产生大量的轨迹和历史相互作用，这使得对性能和可扩展性至关重要。现有方法通常取决于矢量检索和分层存储，但它们容易累积噪声，不受控制的内存扩展以及跨域之间的概括有限。为了应对这些挑战，我们提出了SEDM，自我发展的分布式内存，这是一个可验证和自适应的框架，可将内存从被动存储库转变为主动的，自动化的组件 ...

植被指数允许有效监测植被生长和农业活动。前几代卫星捕获了有限数量的光谱带，一些专家设计的植被指数足以利用其潜力。但是，新一代的多光谱卫星可以捕获其他带，但尚未有效利用 ...

深度回归是许多应用程序的重要问题。这些范围从计算机视觉任务（例如年龄估计，从照片）到医疗任务，例如来自超声心动图的射血分数估算，用于疾病跟踪。但是，与分类和分割任务相比，对深度回归的半监督方法的探索尤其不大 ...

开放式运动已促进了向可编程，可互操作的细胞基础设施的转变。然而，今天的部署仍然严重依赖静态控制和手动操作。为了超越这一限制，我们介绍了Agenran，这是一种AI-NATIANIGE，开放式启动的代理框架，生成并根据自然语言（NL）意图来生成和编排分布式AI代理的结构 ...