最近，去噪扩散模型在图像、音频和文本的生成方面取得了重大突破。然而，如何将其强大的建模能力应用于时间序列建模仍然是一个悬而未决的问题。在本文中，我们提出了，我们提出了 ...

点击率（CTR）估计已成为许多实际应用中最基本的任务之一，并且已经提出了各种深层模型。一些研究证明，纤维是最好的性能模型之一，并且在Avazu数据集上的所有其他模型都胜过。但是，纤维的较大型号大小阻碍了其更广泛的应用 ...

多水平预测问题通常包含复杂的输入组合，包括静态（即时不变），协变量、已知的未来输入以及仅在历史上观察到的其他外生时间序列，而没有任何关于它们如何与输入变量相互作用的先验信息。目标... ...

单眼深度估计方法的最新发展使单视图像的高质量深度估计，但无法估算各个帧的视频深度一致。最近的作品通过应用视频扩散模型来生成以输入视频为条件的视频深度来解决此问题的问题，该视频量很高，该视频高昂，只能在没有相机姿势的情况下产生规模不变的深度值。在本文中，我们提出了一种称为Align3R的新型视频深度估计方法，以估算动态视频的时间一致深度图 ...

雷达相机深度估计旨在通过融合输入图像和雷达数据来预测密集和准确的度量深度。模型效率对于追求自动驾驶汽车和机器人平台实时处理的这项任务至关重要。但是，由于雷达回报的稀疏性，普遍的方法采用了具有中间准密度深度的多阶段框架，这些框架既耗时又不健壮 ...

最近，人们对多模式大语言模型（MLLM）的能力越来越感兴趣。目前，一种常见的方法涉及将原始的高分辨率图像动态裁剪成较小的子图像，然后将其馈送到一个在低分辨率图像上预先训练的视觉编码器中。但是，这种种植方法通常会截断原始图像中的对象和连接区域，从而导致语义中断 ...

大型语言模型（LLM）的快速演变是由不断增长的参数量表，采用专家的混合物（MOE）体系结构驱动的，以及扩展上下文长度，对AI基础架构施加了前所未有的要求。传统的AI群体在计算强度，内存带宽，片间通信和延迟方面面临限制，并由可变的工作负载和严格的服务级别目标加重。解决这些问题需要从根本上重新设计的硬件软件集成 ...

我们提出了一个实时的单眼密集大满贯系统，该系统由MAST3R（两视图3D重建和匹配之前）设计为自下而上。配备了这种强大的先验，我们的系统在野外视频序列上虽然没有在唯一的相机中心之外的固定或参数摄像头模型上做出假设。我们介绍了用于指数匹配，相机跟踪和本地融合，图形结构和循环闭合以及二阶全局优化的有效方法 ...