最近，二次运动在空中运输和传递中引起了很大的关注。在这些情况下，对外力的准确估计与6个自由度（DOF）姿势一样必不可少，因为它对于计划和控制车辆至关重要。为此，我们提出了一个紧密耦合的视觉惯性动力学（VID）系统，该系统同时估算了与6 DOF姿势一起应用于四极管的外力 ...
基于得分的扩散模型最近已成为各种数据模式的最新生成模型。但是，尚不清楚如何适应这些模型以生成长的多元时间序列。将时间序列视为基本连续过程的离散化，我们引入了Sigdiffusion，这是一个在数据的对数签名嵌入中运行的新型扩散模型 ...
提示方法被视为几乎没有自然语言处理的关键进展之一。关于提示从基于离散 Token 的``硬提示''转移到连续``软提示''的最新研究，这些提示将可学习的向量作为伪提示，并实现更好的性能。尽管显示出有希望的前景，但观察到这些软宣传的方法在很大程度上依赖良好的初始化来生效 ...
推断缩放率具有前所未有的推理能力，并以强化学习为引发复杂推理的核心技术。但是，隐藏了最先进的推理LLM的关键技术细节（例如在OpenAI O1博客和DeepSeek R1技术报告中），因此社区仍然很难重现其RL培训结果。我们建议$ \ textbf {d} $ ecoupled剪辑和$ \ textbf {d} $ ynamic s $ \ textbf {a} $ mpling $ \ text ...
当前的大型语音语言模型主要是基于语义 Token ，该语义 Token 是根据语义模块和声学合成范式的自我监督的学术表示和声音 Token 的离散化。但是，语义 Token 丢弃了对天然口语交流很重要的扬声器的副语言属性，而基于迅速的语义 Token 的声学综合在恢复副语言细节和牢固性问题方面受到限制，尤其是在提示与目标之间存在域间隙时。本文统一了两种类型的 Token ，并提出了Unicodec ...
理解音频（包括语音，非语音声音和音乐）的能力对于AI代理人与世界有效互动至关重要。我们提出了MMAU，这是一种新颖的基准测试，旨在评估需要专家级知识和复杂推理的任务的多模式音频理解模型。 MMAU包括10K精心策划的音频剪辑，以及涵盖语音，环境声音和音乐的人类宣传的自然语言问题和答案 ...
基础模型（FMS）已用于生成合成公共数据集，以解决每个客户使用唯一的模型体系结构的异质联合学习（HFL）问题。但是，在HFL上下文中并未对整合FMS的漏洞，尤其是针对后门攻击的漏洞。在本文中，我们引入了一种新型的HFL后门攻击机制，该机制规避了对客户妥协或持续参与FL过程的需求 ...
单个完全卷积神经网络（FCN）如何在对象检测中执行？我们介绍了densebox，这是一个统一的端到端FCN框架，可以通过图像的所有位置和尺度直接预测边界框和对象类的信心。我们的贡献是两个方面。首先，我们表明，如果仔细设计和优化，单个FCN可以非常准确，有效地检测到多个不同的对象 ...
