近年来，利用可见的（RGB）和热红外（IR）图像的对象检测引起了广泛的关注，并已广泛实现在各种领域。通过利用RGB和IR图像之间的互补属性，对象检测任务可以在从白天到夜间环境中在各种照明条件上实现可靠且可靠的对象定位。大多数现有的多模式对象检测方法将RGB和IR图像直接输入深度神经网络，从而导致次要检测性能 ...

无监督的图像异常检测（UAD）旨在学习正常样品的鲁棒和歧视性表示。尽管每个课程单独的解决方案赋予昂贵的计算和有限的通用性，但本文着重于为多个类建立统一的框架。在如此具有挑战性的环境下，具有持续延长表示假设的基于重新建设的网络总是遭受“相同的快捷方式”问题，在这种问题中，正常样本和异常样本都可以得到很好的恢复且难以区分 ...

我们介绍了空气学习，一种开源模拟器和健身房环境，以深入增强资源受限的空中机器人。配备了域随机化，空气学习将无人机代理暴露于各种具有挑战性的情况下。我们在三种不同的环境和深Q网络（DQN）和近端策略优化（PPO）培训师中使用点对点障碍物避免任务播种工具集 ...

语言模型经常由于对歧义的处理而误解了人类的意图，这是NLP研究中良好认可的限制。尽管在道德上清晰的场景对LLMS更为明显，但在道德上模棱两可的环境中遇到了更大的困难。在这项调查中，我们探讨了LLM校准，以表明在这种情况下人类和LLM判断的一致性很差 ...

视频实例分割（（vie）旨在从一组封闭的训练类别中对视频中的对象进行分割和分类，缺乏处理现实视频中新类别的泛化能力。为了解决这一限制，我们做出了以下三项贡献。首先，我们介绍开放词汇视频实例分割的新任务，该任务旨在同时对来自开放集类别的视频中的对象进行分割、跟踪和分类 ...

代码智能利用机器学习技术从广泛的代码语料库中提取知识，目的是开发智能工具以提高计算机编程的质量和生产力。当前，已经有一个蓬勃发展的研究社区，专注于代码智能，从软件工程，机器学习，数据挖掘，自然语言处理和编程语言等方面进行的努力。在本文中，我们从代码表示，深度学习技术和应用程序任务的方面进行了有关代码智能深度学习的全面文献综述 ...

随着AI系统成为人们日常生活的越来越多的一部分，他们了解人们的道德准则变得越来越重要。由描述性伦理学的动机，一个研究领域，重点是人们的描述性判断而不是关于道德的理论规定，我们研究了一种新颖的，数据驱动的机器伦理方法。我们介绍了第一个大规模数据集，具有625,000个道德判断，超过32,000个现实生活中的轶事 ...

近年来，自动一代古典中国诗歌取得了长足的进步。除了专注于提高生成的诗歌的质量外，还有一个关于从图像中产生诗歌的新话题。但是，该主题的现有方法仍然存在主题漂移和语义不一致的问题，并且在训练这些模型时，很难构建图像诗对数据集 ...