安全仍然是自主驾驶系统中最关键的挑战之一。近年来，端到端驾驶在以可扩展的方式推进车辆自治方面表现出了巨大的希望。但是，由于缺乏明确的行为限制，现有方法通常会面临安全风险 ...
知识图（kg）链接预测旨在根据kg中现有事实推断新事实。最近的研究表明，与仅使用查询信息相比，通过图神经网络（GNN）使用节点的图形邻域提供了更多有用的信息。 kg链接预测的常规GNN遵循整个kg的标准消息范式，这导致了多余的计算，对节点表示的过度光滑，还限制了其表达能力 ...
本文使现实世界的人形机器人能够在像人类一样执行富有表现力的动作的同时保持稳定性。我们提出了 ExBody2，一个通用的全身跟踪框架，可以接受任何参考运动输入并控制人形机器人模仿运动。该模型通过强化学习进行模拟训练，然后转移到现实世界 ...
尽管网络修剪已被广泛普及以压缩深层神经网络，但其由此产生的准确性在很大程度上取决于通常在计算上昂贵且需要原始数据的微调过程。但是，在现实世界中可能并非如此，因此，最近的一些工作试图恢复修剪的网络而没有任何昂贵的再培训过程。他们的强烈假设是，每个被修剪的神经元都可以用与之相似的另一个神经元代替，但是不幸的是，在许多神经网络中，这并不能使神经元之间的相似性在某些层中极低 ...
分析理论表明，高质量的数据可以导致在固定数据预算训练的模型中的测试错误较低。此外，如果可以将数据集剥夺其冗余，则可以在较低的计算预算上培训模型，而不会损害性能。核心选择（或数据修剪）试图选择训练数据的子集，以最大程度地提高该子集训练的模型的性能，也称为核心 ...
漫画长期以来一直是讲故事的一种流行形式，它提供了吸引全球观众的视觉引人入胜的叙事。但是，漫画的视觉性质为视视读者带来了重大障碍，限制了他们对这些引人入胜的故事的访问。在这项工作中，我们通过开发一种自动化系统，从漫画漫画中生成基于文本的文学叙事，为这种可及性挑战提供了务实的解决方案 ...
神经网络修剪技术减少了参数的数量，而不会损害网络的预测能力。已经开发了许多用于修剪过度参数完全连接的网络（FCN）和卷积神经网络（CNN）（CNN）的算法，但是缺乏对能力的分析研究和此类修剪后的子网络的压缩率的分析研究。从理论上讲，我们研究了FCN和CNN上两种修剪技术（随机和幅度）的性能 ...
数据集量表的快速增长一直是进步深度学习研究的关键驱动力。但是，随着数据集量表的增加，由于存在低价值样本，包括过多的冗余样本，过度挑战的样本和轻松的样本，训练过程越来越低效率，这些样本对此挑战几乎没有任何贡献，我们提出了对大型数据集进行大型数据集的方法，这些训练的方法是动态的，他们提出了无效的训练。为了删除低价值样本，SETA首先执行随机修剪以消除冗余样品，然后根据剩余的样品根据其学习难度来逐渐通过 ...
