3D 内容创建的最新进展主要利用通过分数蒸馏采样 (SDS) 进行基于优化的 3D 生成。尽管已经展现出有希望的结果，但这些方法常常受到每个样本优化缓慢的影响，限制了它们的实际使用。在本文中，我们提出了 DreamGaussian，一种新颖的 3D 内容生成框架，可以同时实现效率和质量 ...

管道并行性（PP）被广泛用于训练大语言模型（LLMS），但随着飞行内微匹配的数量随着PP的程度而增长，其可伸缩性通常受到高激活记忆消耗的限制。在本文中，我们专注于通过利用PP中的不足的内存卸载策略来应对这一挑战。通过实证研究，我们发现，在大多数标准配置中，至少一半，可能是所有激活都可以用可忽略的开销来卸载 ...

在3D引用表达分割（3D-RES）中，较早的方法采用了两个阶段的范式，提取分割建议，然后将它们与参考表达式匹配。但是，这种常规的范式遇到了重大挑战，最值得注意的是，初始提案的产生和推理速度的明显减速。认识到这些局限性，我们引入了创新的端到端超级文本匹配网络（3D-STMN），该网络（3D-STMN）丰富了依赖性驱动的见解 ...

在本文中，我们通过引入ART3D（将扩散模型和3D高斯分裂技术结合在一起的新型框架来探讨3D艺术场景生成中的现有挑战。我们的方法通过创新的图像语义传递算法有效地弥合了艺术和现实图像之间的差距。通过利用深度信息和初始艺术图像，我们生成了一个点云图，从而解决了域差异 ...

信息盗窃攻击对大型语言模型（LLM）工具学习系统构成了重大风险。对手可以通过受损的工具来注入恶意命令，操纵LLMS将敏感信息发送给这些工具，从而导致潜在的隐私漏洞。但是，现有的攻击方法是面向黑框的，并且依赖无法灵活地适应用户查询更改和工具调用链的静态命令 ...

生成建模的最新进步，尤其是扩散模型，为时间序列建模开辟了新的方向，在预测和合成中实现了最新的性能。但是，由于数据和先验分布的差异很大，因此基于扩散的模型对简单，固定的先验过程的依赖使生成过程变得复杂。我们介绍了TSFLOW，这是时间序列的条件流量匹配（CFM）模型，该模型通过结合高斯过程，最佳传输路径和数据依赖于数据的先验分布来简化生成问题 ...

训练扩散模型始终是计算密集型任务。在本文中，我们引入了一种用于扩散模型训练的新型加速方法，该方法基于更仔细的观察时间步骤。我们的关键发现是：i）根据过程增加，可以将时间步骤分为加速，减速和收敛区域 ...

有效的本地化在许多现代化的地面车辆（UGV）和无人驾驶汽车（UAVS）的现代应用中起着至关重要的作用，这将有助于改善控制，安全性，电力经济性等。无处不在的5G NR（新无线电）蜂窝网络将为增强UAV和UGV的本地化提供新的机会。在本文中，我们回顾了基于射频（RF）的定位方法 ...