近年来，视觉语言模型（VLM）在有效整合和处理文本和视觉信息的能力上获得了很大的突出。在各种应用程序（例如场景感知和机器人技术）中，这种集成显着提高了性能。但是，VLM的部署也引起了关键的安全和安全问题，需要进行广泛的研究来评估这些VLM系统可能带来的潜在脆弱性 ...
这项工作探讨了大语言模型（LLMS）中的顺序模型编辑，这是一项关键任务，涉及通过多轮编辑不断修改LLMS中的内部知识，每次都结合了更新或更正以调整模型输出而无需昂贵的再培训。现有的模型编辑方法，尤其是那些改变模型参数的方法，通常集中在单轮编辑上，并且在顺序模型编辑中通常面临重大挑战，其中尤其是模型遗忘和失败的问题。为了应对这些挑战，我们引入了一种新的模型编辑方法，即\ textbf {n} eur ...
视觉和语言导航（VLN）任务要求代理遵循文本说明以浏览3D环境。传统方法使用监督的学习方法，严重依赖于特定领域的数据集来培训VLN模型。最近的方法试图利用封闭源的大型语言模型（LLM）（例如GPT-4）以零拍的方式解决VLN任务，但面临与现实世界中昂贵的 Token 成本和潜在数据泄露有关的挑战 ...
可靠的3D对象感知对于自主驾驶至关重要。由于其在所有天气条件下的传感能力，4D雷达最近受到了很多关注。但是，与LIDAR相比，4D雷达提供了更少的点云 ...
随着深度神经网络（DNN）的快速发展，许多现实世界应用程序采用多种模型来执行复合任务，例如自动驾驶汽车上的共同进行分类，检测和分割模型。这样的多租户DNN推断案例极大地加剧了计算复杂性，并要求为图形级操作员调度，运行时级资源意识以及硬件调度程序支持提供全面的协作。但是，此类多租户推断的当前调度支持仍然相对落后 ...
遗憾是最近在收入最大化拍卖的自动化设计方面的突破。它将深度学习的灵活性与基于遗憾的方法相结合，以放宽激励兼容性（IC）约束（参与者更喜欢以真实的竞标）以近似最佳拍卖。我们提出了遗憾的两个独立改进 ...
最近，聚集模型已成为训练视觉基础模型的强大方法，利用了现有模型（例如夹子，Dino和Sam）的多教学蒸馏。该策略可以有效地创建健壮的模型，结合了个别教师的优势，同时大大减少了计算和资源需求。在本文中，我们彻底分析了最先进的聚集模型，确定了关键挑战，包括分辨率模式转移，教师失衡，特质教师文物和过多的产出 Token ...
引导过滤器是一种用于边缘感知图像过滤的技术。由于具有良好的视觉质量，快速速度和易于实现的性能，导滤波器在真实产品中见证了各种应用，例如手机中的图像编辑应用程序和立体声重建，并已包含在MATLAB和OPENCV官方中。在本说明中，我们提醒您可以简单地将引导过滤器从O（n）时间加速到子采样比的O（n/s^2）时间 ...
