低阶自适应（ lora）最近在微调基础模型方面引起了人们的广泛兴趣。它通过合并低秩矩阵$ a $ a $ a $ b $来表示权重变化，有效地减少了可训练参数的数量，即... ...
跨模式域内收入学习（DIL）的关键挑战是使学习模型能够在同一任务下具有不同特征分布的新型数据中不忘记旧的数据。但是，现有的表现最佳方法仍然缺乏域内知识提取和域间常见提示策略，仍然会导致高遗忘率。在本文中，我们通过培训有限的参数来指导预先训练的模型来学习新域并避免忘记现有的功能分布，从而提出了一个简单而有效的框架CP-Prompt ...
有效的医学图像分割策略的发展已经从其对卷积神经网络（CNN）的最初依赖性发展为当前对CNN与视觉 Transformer 结合的混合模型的研究。越来越多的重点是创建既高性能又有效率的体系结构，可以部署在资源有限的远程系统上。尽管变形金刚可以捕获输入空间中的全球依赖性，但它们从涉及的相应高计算和存储费用中面临挑战 ...
3D内容创建的快速发展，包括AI驱动的方法和传统工作流程，正在推动对自动索具解决方案的前所未有的需求，这可以使3D模型的复杂性和多样性的日益增强。我们介绍了Unirig，这是一个新型的统一框架，用于自动骨骼索具，它利用大型自回旋模型的功能和骨点跨注意机制来产生高质量的骨骼和皮肤重量。与以前与复杂拓扑或非标准拓扑作用的方法不同，Unirig得益于一种新的骨架树 Token 化方法，可以准确预测拓扑上 ...
近年来，信息检索应用程序（IR）应用中，异质图神经网络（HGNN）的迅速发展。许多现有的HGNN设计了各种量身定制的图形卷积，以捕获异质图中的结构和语义信息。但是，现有的HGNN通常将每个节点表示为多层图卷积计算中的单个向量，这使得高级图卷积层无法将信息与不同的关系和不同的顺序区分开，从而导致消息传递中的信息丢失 ...
电子商务平台应提供详细的产品描述（属性值），以进行有效的产品搜索和建议。但是，属性价值信息通常不适合新产品。为了预测看不见的属性值，需要大量标记的培训数据来培训传统的监督学习模型 ...
如今，推荐系统在各种平台上已广泛实施，它会根据用户的喜好向用户推荐相关项目。依赖用户项目交互矩阵的经典方法具有局限性，尤其是在缺乏新项目交互数据的情况下。知识图（KG）的推荐系统已成为有前途的解决方案 ...
我们介绍了Anyenhance，这是一种统一的生成模型，用于加强语音和唱歌声音。基于蒙版的生成模型，Anyenhance能够同时处理语音和唱歌声音，支持多种增强任务，包括DeNoising，dereverberation，降低，超级分辨率，超级分辨率和目标扬声器的提取，同时且无需精心调整。 Anyenhance引入了一种迅速的施用机制，以实现内在学习，该机制使该模型可以在本地接受参考扬声器的音色 ...
