本文介绍了Orb-Slam，这是一个基于特征的单眼大满贯系统，该系统在大小，室内和室外环境中实时运行。该系统对严重的运动混乱非常强大，可以允许宽的基线环关闭和重新定位，并包括完全自动初始化。在近年来的出色算法的基础上，我们从Scratch设计了一个新型系统，该系统使用相同的功能来完成所有大满贯任务：跟踪，映射，重新定位和循环关闭 ...

软件工程代理商的最新进步证明了自动化计划改进的有希望的能力。但是，他们依靠封闭形式或资源密集型模型引入了私人环境中的重大部署挑战，这引起了一个关键问题：\ textIt {如何实现可比的代码推理性能？我们的框架结合了两种互补策略：内部TTC和外部TTC ...

我们向ORB-SLAM2展示了单眼，立体声和RGB-D摄像机的完整SLAM系统，包括地图重用，循环闭合和重新定位功能。该系统在各种环境中实时工作，从小型手持室内序列到在工业环境中飞行的无人机和在城市周围行驶的汽车。我们基于单眼和立体观测的束调整的后端可以通过度量标准进行准确的轨迹估计 ...

大型语言模型（LLM）通过启用代码生成，自动调试和复杂推理来改变软件开发。但是，他们的持续进步受到高质量，可公开可用的监督微调（SFT）数据集量身定制的用于编码任务的数据集的限制。为了弥合这一差距，我们介绍了OpenCodeInstruct，这是最大的开放访问指令调谐数据集，其中包括500万种样本 ...

本文介绍了Orb-Slam3，这是第一个能够使用针孔和鱼眼镜头模型，使用单眼，立体声和RGB-D摄像机执行视觉，视觉惯性和多映射大满贯。第一个主要新颖性是一个基于特征的紧密整合视觉惯性大满贯系统，即使在IMU初始化阶段，也完全依赖于最大A-Posteriori（MAP）估计。结果是一个系统，该系统在大小，室内和室外环境中实时稳健地运行，并且比以前的方法准确2至5倍 ...

联合学习（FL）使多个客户能够在不交换自己的本地数据的情况下协作学习机器学习模型。通过这种方式，服务器可以利用所有客户端的计算能力，并在所有客户端中的一组数据样本上训练该模型。尽管这种机制在各个领域都被证明是有效的，但现有工程通常认为每个客户都保留了足够的培训数据 ...

最近引入的全景细分任务使我们的社区对统一实例细分任务（对于事物类别）和语义细分（对于内容类）的兴趣。但是，此联合任务的当前最新方法使用单独的和不同的网络（例如，语义分割），而无需执行任何共享计算。在这项工作中，我们旨在将这些方法统一在架构层面上，为这两个任务设计一个网络 ...

大规模文本到图像的扩散模型取得了惊人的进步。然而，现状是单独使用文本输入，这会妨碍可控性。在这项工作中 ...