现实世界中的对象检测系统,例如自动驾驶和监视的系统,必须不断学习新的对象类别,并同时适应不断变化的环境条件。现有方法,类增量对象检测(CIOD)和域增量对象检测(DIOD)仅解决此挑战的一个方面。 CIOD在看不见的领域中挣扎,而DIOD在学习新课程时遭受了灾难性的遗忘,从而限制了其现实世界的适用性 ...
开放世界对象检测(OWOD)将传统的对象检测扩展到识别已知和未知对象,因此需要连续模型适应作为新的注释。当前的方法面临重大局限性:1)由于依赖大量众包注释而导致数据渴望培训,2)易感性“部分特征过于拟合”; 3)由于所需的模型体系结构修改而导致的灵活性有限。为了解决这些问题,我们提出了OW-CLIP,这是一种视觉分析系统,可提供策划数据并启用数据有效的OWOD模型增量训练 ...
我们提出了Jet-Nemotron,这是一个新的混合体系结构语言模型,它匹配或超过了领先的全注意模型的准确性,同时显着改善了发电的吞吐量。 Jet Nemotron是使用后神经结构搜索(Postnas)开发的,这是一种新型的神经体系结构探索管道,可实现有效的模型设计。与先前的方法不同,PostNAS始于预训练的全注意模型,并冻结其MLP权重,从而有效地探索了注意力阻滞设计 ...
在动态环境中,例如混乱的室内空间或不平坦的地形,有效的双足动力需要在各个方向上敏捷和适应性运动。这需要全向地形感应和能够处理此类输入的控制器。我们为基于视觉的全向双足动力的学习框架提供了一个学习框架,从而可以使用深度图像进行无缝运动 ...
欧洲日内电力交易的重要性日益重要,要求提高价格预测和量身定制的决策支持工具。在本文中,我们提出了一种新颖的生成神经网络模型,以生成概率的路径预测,以预测盘中电力价格,并使用它们来为德国连续时间的日内市场构建有效的交易策略。与两种最先进的统计基准方法相比,我们的方法在统计评估指标方面表明了竞争性能 ...
增量对象检测(IOD)旨在不断扩展模型检测新类别的能力,同时保留其在先前学习的类别上的性能。当采用基于 Transformer 的检测模型执行IOD时,可能会不可避免地会发生灾难性的知识忘记,这意味着先前学习的类别的检测性能可能会严重退化。以前的典型方法主要依赖于知识蒸馏(KD)来减轻灾难性知识忘记基于 Transformer 的检测模型 ...
Accurate electricity price forecasting (EPF) is crucial for effective decision-making in power trading on the spot market.尽管最新的生成人工智能(Genai)和预训练的大语言模型(LLM)的进步激发了为时间序列预测的众多时间序列基础模型(TSFM)的发展,但它们在EPF中的有效 ...
强大的高清(HD)地图结构对于自动驾驶至关重要,但是现有的方法通常与不完整的多视摄像头数据难以挣扎。本文介绍了SafeMap,这是一个新颖的框架,即使缺少某些相机视图,旨在确保准确性。 SAFEMAP集成了两个关键组成部分:基于高斯的透视图重建(G-PVR)模块和基于蒸馏的鸟类的视图(BEV)校正(D-BEVC)模块 ...