我们使用3D高斯分裂（3D-GS）方法来应对零件级别的并发重建的挑战。通过两组不同的多视图图像，每个图像都在单独的静态关节构型中描绘一个对象，我们将在3D高斯表示中重建具有外观和几何信息的3D高斯表示对象。我们的方法通过多步优化过程将多个高度相互依存的参数解开，从而实现了稳定的优化过程和高质量的结果 ...

重建在日常环境中普遍存在的铰接物体对于在增强/虚拟现实和机器人技术中的应用至关重要。但是，现有方法面临可伸缩性的限制（需要3D监督或昂贵的注释），鲁棒性问题（容易受到本地Optima的影响）以及呈现缺点（缺乏速度或摄影主义）。我们介绍了一个自我审议的类别 - 不可思议的框架，该框架利用3D高斯分裂（3DGS）重建了铰接式对象，并从两组在不同的铰接状态下捕获的构图的RGB图像中推断运动学对象，从而实 ...

在大规模数据集中训练的诸如大语言模型（LLM）和多模式大语言模型（MLLM）之类的生成模型可能会导致他们记住并无意间揭示敏感信息，从而引发道德和隐私问题。尽管一些先前的作品在LLM的背景下探讨了这个问题，但由于跨模式的知识的纠缠性，它给MLLM带来了独特的挑战，这使得全面学习更加困难。为了应对这一挑战，我们提出了模态意识到神经元学习（MANU），这是一个新颖的MLLMS框架，旨在根据其对目标忘记数 ...

视觉模型（VLM）的快速发展及其整合到具体的代理中，已解锁了强大的决策能力。但是，随着这些系统越来越多地部署在现实世界中，它们面临着越来越多的安全问题，尤其是在响应危险说明时。在这项工作中，我们提出了代理ActentsAfe，这是在危险说明下评估体现VLM代理的安全性的第一个综合基准 ...

在这项工作中，我们提出了一种用于3D高斯脱落的新颖详细方法（LOD）方法，该方法可以实时渲染内存约束的设备上的大型场景。我们的方法引入了层次结构的LOD表示，迭代地基于相机距离选择高斯人的最佳子集，从而在很大程度上减少了渲染时间和GPU存储器的使用情况。我们通过应用深度感知的3D平滑过滤器来构建每个LOD级别，然后进行基于重要性的修剪和微调以保持视觉保真度 ...

神经体系结构搜索（NAS）已成为Automl的关键组成部分，也是自动化深神经网络设计的标准工具。最近，通过仅使用无培训指标估算真正的建筑性能，无培训的NAS作为新兴范式成功降低了基于标准培训的NAS的搜索成本。然而，这些度量标准的估计能力通常会在不同的任务上有所不同，这使得仅使用一个无培训指标就可以在各种任务上实现稳健且始终如一地搜索性能 ...

高级AI代理的快速发展以及这些代理的许多实例的迫在眉睫的部署将产生前所未有的复杂性的多代理系统。这些系统构成了新颖和探索不足的风险。在本报告中，我们通过确定基于代理人的激励措施以及七个关键风险因素（信息不对称，网络效应，选择压力，破坏动态的动态，承诺问题，新兴的机构和多代理机构的稳定，稳定的稳定，差异），通过确定三种关键失败模式（差异，冲突和勾结）来提供这些风险的结构化分类法 ...

时间序列之间的关系可以被利用为学习有效预测模型中的归纳偏见。在层次时间序列中，序列的子集之间的关系诱导了预测值的硬约束（分层电感偏见）。在本文中，我们提出了一种基于图的方法，以在时间序列预测深度学习的背景下统一关系和等级归纳偏见 ...