人工智能（AI）在医疗保健和其他领域取得的惊人成功证明了AI可以实现类似人类的表现。但是，成功总是带来挑战。深度学习算法是数据依赖性的，需要大量的数据集进行培训 ...

由于机器人的动态，环境和与其他代理商的互动中的不确定性，对人填充环境中的自主机器人的运动计划构成了许多挑战。基于抽样的MPC方法，例如模型预测路径积分（MPPI）控制，已显示出解决这些复杂运动计划问题的希望。但是，MPPI的性能在很大程度上取决于采样分布的选择 ...

大型语言模型的推理过程是缓慢且内存密集的，其中最关键的瓶颈之一是过度的键值（KV）缓存访问。本文引入了“双重稀疏”，这是一种新型的培训后稀疏注意技术，旨在通过减少KV缓存访问来减轻这种瓶颈。双重稀疏性结合了 Token 稀疏性，该稀疏性仅利用重要 Token 来计算自我注意力，并使用通道稀疏，这种方法使用重要的特征通道来识别重要的标记 ...

多代理网络物理系统可实现效率，弹性和安全性的新功能。这些系统的独特特征促使对其安全概念进行重新评估，包括它们的脆弱性以及减轻这些脆弱性的机制。本调查文件探讨了无线网络的进步以及网络物理系统中的传感和计算如何促进新型的安全功能 ...

3D沉浸式场景生成是计算机视觉和图形中一项具有挑战性但至关重要的任务。所需的虚拟3D场景应1）表现出全向视图的一致性，2）允许在复杂场景层次结构中进行自由探索。现有方法要么依赖于连续的场景扩展，要么采用全景代表来表示大型FOV场景环境 ...

在场景中删除对象的隐藏部分是一项艰巨的任务，尤其是在解决现实世界的场景时。在本文中，我们提出了一个新的自我监督的平行可见到完整的扩散框架，名为Paco，这是对象级场景去概括的基础模型。利用预培训模型的丰富先验，我们首先设计了平行的变异自动编码器，该图形生成了一个完整的特征图，同时编码了多个完整的对象，并且可见到完整的潜在生成器，该图可以隐含地从部分映射和文本中启动绘制图像，从而绘制对象的图像，从而 ...

家庭重新安排任务涉及在场景中发现放错的物体，并在适当的地方容纳它们。这既取决于客观方面的常识知识，又取决于主观方面的人类用户偏好。在完成此类任务时，我们建议直接从场景本身中挖掘对象功能，而无需依靠人类干预 ...

作为人类，我们渴望创建既自由意志又容易控制的媒体内容。由于生成技术的显着发展，我们现在可以轻松地利用2D扩散方法来合成由原始草图或指定的人类姿势控制的图像，甚至逐步编辑/再生的本地区域，并用掩盖的涂料涂抹。但是，由于3D代缺乏可控性和效率，3D建模任务中的类似工作流程仍然无法使用 ...