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 ...

不规则的多元时间序列（IMT），其特征是采样不均和变化异步，为许多预测的应用提供了许多预测的应用，但仍具有效地建模。在IMTS建模中，通过在每个全球时间戳进行填充零来广泛采用规范的预一致性（CPA），从而减轻了相互变化的异步并统一了系列长度，但其密集的零式填充量会膨胀预先一致的系列长度，尤其是当许多变化的序列中，尤其是在许多变化中都出现了许多变化，会出现许多变化。最新的基于图形的模型具有修补策略的 ...

基于提示的学习已成为自然语言处理中的成功范例，其中可以指示单个通用语言模型执行输入提示指定的任何任务。然而，机器人技术中的任务规范有多种形式，例如模仿一次性演示、遵循语言指令以及达到视觉目标。它们通常被认为是不同的任务并由专门的模型来处理 ... ...

从人类示范中学习是学习复杂的操纵技巧的有效方法。但是，现有方法集中在从被动人类示范数据中学习，以简化数据收集。互动人类的教学具有具有理论和实用性的吸引力，但是现有的人类机器人界面并没有很好地支持它们 ...