基于学习的决策有可能实现可概括的自动驾驶（AD）政策，从而减少了基于规则的方法的工程开销。模仿学习（IL）仍然是主要的范式，受益于大规模的人类示范数据集，但它具有固有的局限性，例如分布变化和模仿差距。强化学习（RL）提出了一种有希望的选择，但由于缺乏标准化和有效的研究框架，其在AD中的采用仍然有限 ...
在本文中，我们提出了一种新型的低光图像增强方法，称为黑暗区域感知的低光图像增强（DALE），其中暗区通过所提出的视觉注意模块准确地识别出黑暗区域，并且它们的亮度得到了强烈的增强。我们的方法可以使用超像素以没有任何复杂过程的方式以有效的方式估算视觉关注。因此，该方法可以保留原始图像的颜色，音调和亮度，并防止图像的通常照明区域饱和和扭曲 ...
对于未来宇宙微波背景（CMB）实验的前景，鼓励了动力学Sunyaev-Zel'Dovich（KSZ）效应的最新探测效应。从此类KSZ测量值中提取有关大规模速度场和约束宇宙学参数的信息，需要通过晕孔了解光学深度到CMB光子。使用宇宙流体动力学模拟，我们发现在物理孔径内光学深度与热sunyaev-zel'dovich（TSZ）信号之间存在低分散的关系 ...
我们使用快速无线电爆发（FRB）调查了缺失的重子问题，以追踪宇宙重子。我们将鳄鱼模拟与Gadget3/4-Osaka SPH代码一起使用，其中包含恒星形成，超新星（SN）和主动银河核（AGN）反馈。由大规模结构模拟产生的光锥使我们能够计算可通过FRB测量的气体密度曲线和色散度量（DMS） ...
稳定扩散的密集计算负担（SD）用于文本到图像生成为其实际应用带来了重大障碍。为了应对这一挑战，最近的研究重点是减少采样步骤（例如潜在一致性模型（LCM））的方法，以及采用建筑优化（包括修剪和知识蒸馏）的方法。与现有方法不同，我们独特地从紧凑的SD变体BK-SDM开始 ...
我们提出了VRSKetch2Gaussian，这是第一个VR草图引导，多模式的本机3D对象生成框架，其中包含3D高斯分裂表示。作为我们工作的一部分，我们介绍了VRSS，这是第一个包含VR草图，文本，图像和3DG的大规模配对数据集，在基于多模式VR草图的一代中弥合了差距。我们的方法具有以下关键创新：1）Sketch-CLIP功能对齐 ...
大型语言模型（LLMS）的快速进步，尤其是在其推理能力中，具有解决大气科学中复杂挑战的变革潜力。但是，在该领域有效利用LLM需要强大而全面的评估基准。为了满足这一需求，我们提出了Atmossci-Bench，这是一种新型的基准测试，旨在系统地评估大气科学问题五个核心类别的LLM性能：水文，大气动力学，大气物理学，地球物理学和物理海洋学 ...
端到端的自主驾驶（E2E-AD）已成为自动驾驶领域的一种趋势，有望采用数据驱动的，可扩展的系统设计方法。但是，现有的E2E-AD方法通常采用感知预测计划的顺序范式，从而导致累积错误和训练不稳定性。任务的手动排序还限制了系统在任务之间利用协同作用的能力（例如，计划意识感知和游戏理论互动预测和计划） ...
