具有数百十亿个参数的大型语言模型（LLM）的扩展对计算资源（尤其是数据运动和内存带宽）提出了重大挑战。随着注意层和键值高速缓存大小的复杂性与上下文长度成正比，长篇文化LLM的处理序列是数万个 Token 的处理序列，进一步增加了对内存系统的需求。通过移动计算到数据并可以解决内存带宽挑战，从而使内存中的处理（PIM）最大化内存带宽；但是，由于人均存储器能力有限，固定功能单元pim体系结构和静态内存管 ...

在本文中，我们介绍了新型的最先进的双意见 Transformer 和判别性流（DADF）框架，用于视觉异常检测。仅基于正常知识，视觉异常检测在工业场景中具有广泛的应用，并引起了极大的关注。但是，大多数现有方法无法满足要求 ...

大型语言模型 (LLM) 已在各种认知任务中展示了显着的性能改进。一个新兴的应用是使用 LLM 来增强检索增强生成（RAG）能力。这些系统要求 LLM 理解用户查询、检索相关信息并综合连贯且准确的响应 ...

从单个静态肖像中创建一个可逼真的动画头像仍然具有挑战性。现有的方法通常难以捕获微妙的面部表情，相关的全球身体运动和动态背景。为了解决这些局限性，我们提出了一个新型框架，该框架利用了验证的视频扩散 Transformer 模型来生成具有可控运动动力学的高保真性，连贯的说话肖像 ...

图像异常检测问题旨在确定图像是否异常并检测异常区域。这些方法可在制造​​，医疗和智能信息等各个领域中积极使用。编码器 - 编码器结构已被广泛用于异常检测领域，因为它们可以在无监督的学习环境中轻松学习正常模式，并计算得分以通过重建错误来识别异常错误，以指示输入和重建图像之间的差异 ...

异常定位是计算机视觉中的一个重要问题，它涉及在图像中将异常区域定位在图像中，并在工业检查，监视和医学成像中应用。由于样本量较小，在现实世界中的异常覆盖范围较小，因此此任务具有挑战性。大多数先前的作品都需要使用异常的训练图像来计算特定于类的阈值来定位异常 ...

与行业4.0的发展相一致，表面缺陷检测/异常检测成为行业领域的主题。在实践中，提高效率并节省了劳动力成本已稳步成为一个非常关注的问题，近年来，基于深度学习的算法比传统的视力检查方法更好 ...

我们考虑以$ a \ geq0 $参数为参数的关键缩放的完全不对称的简单排除过程，该过程在^{ -  1/3}的粒子密度上产生冲击，观察时间$ $ t $。从步骤初始数据开始时，我们提供有关限制定律的界限，特别意味着，在双重限制中，$ \ lim_ {a \ to \ infty} \ lim_ {t \ to \ infty} $，一个人恢复了生产限制定律，并且以1 $ 1 $ $ 1 $ $  ...