分割 3D 血管是医学图像分析中一项关键但具有挑战性的任务。这是由于伪影、血管模式和尺度、信噪比和背景组织中显着的成像模式特定变化所致。这些变化以及不同成像协议产生的领域差距限制了现有基于监督学习的方法的泛化，需要分别为每个数据集进行繁琐的体素级注释 ...

在视频实例细分（VIS）社区中，用复杂和遮挡的序列处理长视频最近成为了新的挑战。但是，现有方法在应对这一挑战方面有局限性。我们认为，当前方法中最大的瓶颈是训练和推理之间的差异 ...

在临时检索中，评估在很大程度上取决于用户行动，包括隐式反馈。在对话环境中，由于相互作用的性质，这种信号通常无法使用，而评估通常依赖于众包评估标签。用户反馈在注释者对会话感知中转弯评估中的作用很少研究 ...

腿部机器人在机器人技术中构成了最大的挑战之一。人类制定的现有方法无法模仿动物的动态和敏捷动作。令人信服的替代方法是增强学习，这需要最少的工艺，并促进控制政策的自然演变 ...

现实世界应用对语义分割方法的需求很高。尽管语义细分已经通过深度学习使出色的跃跃欲试，但实时方法的性能并不令人满意。在这项工作中，我们提出了PP-Liteseg，这是一种用于实时语义分割任务的新型轻型模型 ...

建筑物变革检测对于城市发展，灾难评估和军事侦察仍然具有挑战性。尽管类似模型（SAM）之类的基础模型显示出强大的细分功能，但由于域间隙问题，SAM在构建变更检测的任务中受到限制。现有的基于适配器的微调方法因建筑物分布不平衡而面临挑战，导致对微妙变化的发现和不准确的边缘提取 ...

关于大语言模型（LLM）的研究经常忽略了微妙的偏见，尽管明显地看不见，但可以显着影响模型对特定社会叙事的产出。这项研究解决了LLMS中的两个这样的偏见：代表性偏见，它表示LLM产生的输出的趋势，反映了某些身份群体的经验和亲和力偏见，反映了模型对特定叙述或观点的评估偏好。我们介绍了两个新颖的指标来衡量这些偏见：代表性偏差评分（RB）和亲和力偏差分数（ABS），并介绍以创造力为导向的生成套件（COGS ...

通常使用两步管道对车道检测进行处理，其中首先预测了车道标记的分割面膜，然后将车道线模型（例如抛物线或样条）安装在后期处理的面罩上。这种两步方法的问题是，网络的参数不是针对感兴趣的真实任务（估计车道曲率参数）而不是优化的，而是针对代理任务（分段泳道标记），从而导致了次优的性能。在这项工作中，我们提出了一种以端到端方式训练车道检测器的方法，直接回归车道参数 ...