对于有效的培训和准确评估检索系统是必要的，大量相关判断是必要的。通常，这些判断是由人类评估者做出的，使这一过程昂贵且费力。托马斯最近的一项研究 ...

我们推出了eva，这是一种以视觉为中心的基础模型，旨在仅使用可公开访问的数据来探索大规模视觉表示的局限性。eva vit，用于重建以可见图像块为条件的屏蔽图像文本对齐的视觉特征。通过这个借口任务 ...

这项工作解决了当前联合学习方法的关键局限性，该方法主要集中在均匀的任务上，忽略了本地设备上的任务多样性。我们提出了使用多输出高斯流程（MOGP）在本地一级的多任务学习的原则集成，并在全球层面进行了联合学习。 MOGP处理相关的分类和回归任务，提供一种自然量化不确定性的贝叶斯非参数方法 ...

希望启用能够自动组装的机器人。对物体部件的结构理解在这项任务中起着至关重要的作用，但仍未探索。在本文中，我们专注于从一组零件几何形状组中设置家具组件的设置，这实质上是一个六高的零件姿势估计问题 ...

我们提出了segnext，一种用于语义分割的简单卷积网络架构。由于自注意力在编码空间信息方面的效率，最近基于 Transformer 的模型在语义分割领域占据了主导地位。在本文中，我们证明卷积注意力是一种比 Transformer 中的自注意力机制更高效、更有效的编码上下文信息的方法 ... ...

我们通过稀疏的线性映射为$ \ ell_2 $降低维度的两个不同而简单的结构，这些映射稀疏：只有$ o（\ varepsilon）$  - 嵌入矩阵的每一列中的条目的一部分是非Zero的，即可达到造成损坏$ 1+\ varepsilon $具有高概率，同时还可以达到高概率，同时还可以实现Asmptally Assmptely的数字数字。这些是为所有参数值提供子构成稀疏性的第一个结构，可改善Achl ...

除了 Transformer 之外，重要的是要探索如何利用元构造器的能力，这是一种对 Transformer 的性能改进至关重要的体系结构。先前的研究仅用于骨干网络。与以前的研究不同，我们在语义分割任务中更广泛地探索元构型体系结构的能力 ...

神经辐射场（NERF）最近在计算机视觉社区中引起了人们的兴趣激增，以便合成现实世界场景的影像现实主义的新颖观点。但是，NERF的一个局限性是其准确的相机姿势学习场景表示形式的要求。在本文中，我们提出了束调整的神经辐射场（BARF），用于从不完美（甚至是未知）相机姿势训练NERF的训练 - 学习神经3D表示和注册相机框架的联合问题 ...