在大规模预训练的支持下，视觉基础模型在开放世界图像理解方面展现出巨大的潜力。然而，与擅长直接处理各种语言任务的大型语言模型不同，视觉基础模型需要特定于任务的模型结构，然后对特定任务进行微调。在这项工作中，我们提出了 Matcher，一种新颖的感知范式，它利用现成的视觉基础模型来解决各种感知任务 ...

我们解决了在没有监督的情况下学习对象检测器的问题。与弱监督目标检测不同，我们不假设图像级类别标签。相反，我们从视听数据中提取监控信号，使用音频组件“教导”对象检测器 ...

随着检索增强生成在大型语言模型中盛行，嵌入模型变得越来越重要。尽管通用嵌入模型的数量不断增加，但先前的工作往往忽视了训练数据质量的关键作用。在这项工作中，我们介绍了 KaLM-Embedding，这是一种通用的多语言嵌入模型，它利用大量更清晰、更多样化和特定领域的训练数据 ...

尽管数据集有限，但这项研究解决了提高无人机（UAV）/无人机图像的处理时间和检测能力以进行全球野火检测的紧迫挑战。我们提出了分段神经网络（SegNet）选择方法，专注于减少特征图以提高时间分辨率和准确性，从而显着提高实时野火检测的处理速度和准确性。本文通过提出火、水、烟雾等非晶态物体图像分类的新方向，有助于提高处理速度，实现野火的实时检测能力，提高野火的检测精度，并提高早期野火的检测能力 ...

在线广告作为一个内在的市场，在引擎搜索、第三方网站、社交媒体和移动应用程序等平台上获得了极大的关注。在线活动的繁荣是在线营销中的一个挑战，通常通过不同的指标用户响应来评估，例如广告创意的点击次数、产品订阅、物品购买或通过在线调查获得的明确的用户反馈。近年来，使用计算方法（包括机器学习方法）进行用户响应预测的研究数量显着增加... ...

基于机器学习的运动规划是一种很有前途的方法，可以产生表现出复杂行为并自动适应新环境的代理。在自动驾驶的背景下，通常会平等对待所有可用的训练数据。然而，这种方法产生的代理在安全关键环境中表现不佳，这个问题不能通过简单地向训练集中添加更多数据来解决 - 我们表明，仅使用 10% 数据子集训练的代理仅执行以及在整个数据集上训练的代理 ...

通过将大型语言模型 (LLM) 与视觉编码器相结合，可以在几乎不需要训练的情况下（即以零和少样本的方式）处理越来越多的视觉语言任务，从而产生大型视觉语言模型 (LVLM)  ...

持续学习变得越来越重要，因为它有助于获取和完善语言模型中可扩展的知识和技能。然而，现有方法通常在现实场景中遇到严格的限制和挑战，例如依赖经验回放、优化约束和推理任务 ID。在这项研究中，我们引入了可扩展语言模型（SLM），以在更具挑战性和通用性的环境中克服这些限制，代表着持续学习实际应用的重大进步 ...