大多数最先进的跟踪器都采用一流的范式，使用单个视觉 Transformer 进行联合特征提取和模板和搜索区域图像的关系建模。但是，不同图像贴片之间的关系建模表现出显着的变化。例如，以目标 - 近距离信息为主的背景区域需要减少注意力分配，而前景，尤其是边界区域，需要强调 ...
单程3D对象检测对于各种应用（例如机器人技术和AR/VR）很有价值。现有方法仅限于封闭设置的设置，其中训练和测试集由相同的场景和/或对象类别组成。但是，实际应用程序通常会引入新的环境和新颖的对象类别，从而对这些方法提出了挑战 ...
tts系统的快速发展，文本转语音（tts）最近在合成高质量语音方面取得了巨大进步，但生成具有自然韵律变化、说话风格和情绪语气的语音仍然具有挑战性。此外，由于时长和语音是分别生成的，tts模型仍然存在寻找最佳单调对齐的问题，而这对于自然语音合成至关重要。在这里，我们提出了 ...
与自然图像相比，由于有限的注释和域间隙，医学图像中的异常检测具有挑战性。现有的重建方法通常依赖于冷冻的预训练的编码器，该编码器限制了适应特定于域特征并降低本地化精度。基于原型的学习提供了解释性和聚类的好处，但遭受了原型崩溃的影响，其中很少有原型主导训练，损害多样性和概括 ...
知识图（kgs）与大语言模型（LLMS）的集成为改善检索增强生成（RAG）系统的检索阶段提供了重要潜力。在这项研究中，我们提出了KG-CQR，这是一个新型的上下文查询检索框架（CQR），该框架通过使用以语料库为中心的kg丰富复杂输入查询的上下文表示来增强检索阶段。与主要解决语料库级上下文损失的现有方法不同，KG-CQR专注于通过结构化关系表示，提取和完成相关的KG子图以生成语义上丰富的查询环境 . ...
大型语言模型（LLM）越来越多地用于自主决策，它们是从巨大的动作空间中进行选择的。但是，指导该抽样过程的启发式方法仍在探索中。我们研究了这种采样行为，并表明这种潜在的启发式方法类似于人类决策：包括描述性成分（反映统计规范）和一个概念的规范成分（在LLM中编码的隐含理想） ...
大型推理模型（LRMS）具有显着的推理能力，但主要依赖于参数知识，从而限制了事实准确性。尽管最近的作品配备了基于基于LRM的LRM的加强学习能力，但它们在推理方面遭受了过度思考和缺乏鲁棒性的困扰，从而降低了他们的有效性回答（QA）任务。为了解决这个问题，我们提出了Rearag，这是一种事实增强的推理模型，探讨了不同的查询而没有过多的迭代 ...
大型语言模型表现出了令人印象深刻的推理能力，但本质上受其知识库的限制。通过允许LLM查询外部资源来检索启动的推理可以减轻这种限制，但是现有方法通常会检索无关紧要或嘈杂的信息，从而阻碍了准确的推理。在本文中，我们提出了AutoreFine，这是一种增强培训后的培训后框架，采用了新的``搜索''d-Refine-distring-Inkink''范式 ...
