Learning Latent Spaces for Domain Generalization in Time Series Forecasting 
时间序列预测在许多现实世界中至关重要，但是开发了在新平台/网站上预测的网络流量数据，或者在新区域中估算电子商务需求的预测Web流量数据等模型仍然不受欢迎。现有的预测模型通常在时间序列数据中与领域的变化困难，因为时间模式涉及趋势，季节性等复杂的组件。而某些先前的工作通过跨域上的特征分布或使用标签信息匹配的特征分布来解决此问题，但它们无法使用标签信息，它们未能揭示出对跨跨性依赖的见解，这些洞察力对跨跨 ...
0 0 0 2025/04/10 arXiv:2412.11171v1 徐小五
SES: Bridging the Gap Between Explainability and Prediction of Graph Neural Networks 
尽管图形神经网络（GNNS）在分析图数据方面的熟练程度，但实现高准确性和可解释的预测仍然具有挑战性。现有的GNN口译员通常会提供与GNNS预测脱节的事后解释，从而导致虚假陈述。可以自我解释的GNN在培训过程中提供内置的解释 ...
0 0 0 2025/04/10 arXiv:2407.11358v2 CG_Z
3D Representation Methods: A Survey 
3D表示的领域取得了重大进步，这是由于对高保真3D模型的需求不断增长，例如计算机图形，虚拟现实和自主系统。这篇综述研究了3D表示方法的发展和当前状态，突出了其研究轨迹，创新，优势和劣势。综述了关键技术，例如体素电网，点云，网格，签名距离功能（SDF），神经辐射场（NERF），3D高斯分裂，三平面和深度游行四面体（DMTET） ...
0 0 0 2025/04/10 arXiv:2410.06475v1 k9354465
An Efficient General-Purpose Modular Vision Model via Multi-Task Heterogeneous Training 
我们提出了一个可以执行多个视觉任务的模型，并且可以有效地适应其他下游任务。尽管多任务学习取得了长足的进步，但大多数努力都集中在多标签数据中学习：具有多个任务标签的单个图像集。这样的多标签数据集稀有，小且昂贵 ...
0 0 0 2025/04/10 arXiv:2306.17165v1 kavin
Enhancing Collaborative Semantics of Language Model-Driven Recommendations via Graph-Aware Learning 
大型语言模型（LLM）在推荐系统领域越来越突出。现有的研究通常利用对特定于任务数据的文本学习或监督微调，以使LLMS调整为建议。但是，语言处理任务和建议任务之间语义空间的实质性偏见提出了不可忽略的挑战 ...
0 0 0 2025/04/10 arXiv:2406.13235v1 CG_Z
Event-based Human Pose Tracking by Spiking Spatiotemporal Transformer 
事件摄像头是一种新兴的生物学启发的视觉传感器，用于捕获运动动力学，为3D人体姿势跟踪或基于视频的3D人类姿势估计提供了新的潜力。但是，姿势跟踪中的现有作品要么需要存在其他灰度图像以建立一个坚实的起始姿势，要么通过折叠事件流的段以形成静态事件框架来忽略时间依赖性。同时，尽管人工神经网络的有效性（Anns，a ...
0 0 0 2025/04/10 arXiv:2303.09681v4 打笨蛋
G-Refer: Graph Retrieval-Augmented Large Language Model for Explainable Recommendation 
可解释的建议表明，在向用户告知建议背后的逻辑方面具有显着优势，从而提高了系统透明度，有效性和可信赖性。为了提供个性化和可解释的解释，现有作品通常将大语言模型（LLMS）的发电能力与协作过滤（CF）信息相结合。从用户项目交互图中提取的CF信息捕获了用户的行为和偏好，这对于提供信息的解释至关重要 ...
0 1 2 2025/04/10 arXiv:2502.12586v1 CG_Z
A Neural Temporal Model for Human Motion Prediction 
我们提出了一种新型的神经时间模型，以预测和综合人类运动，在对长期运动轨迹进行建模时，在短期预测中与先前的工作竞争，并需要大大减少计算。我们提出的系统的关键方面包括：1）一种有助于生成计划轨迹的新颖的，两级处理架构，2）一组简单的易于计算的功能，可以整合衍生信息，3）一种新型的多目标损失函数，可帮助模型从简单的下一步预测到更艰难的多型步骤任务，封闭式预测，封闭式预测，逐步逐步发展。我们的结果表明，这 ...
0 0 0 2025/04/10 arXiv:1809.03036v5 陆三七

来一起翻译吧！


为了您和其他读者获得更好的阅读体验，请您勇敢地改进翻译，特别是一些显而易见的机器翻译错误。


虽然我们追求卓越，但我们并不要求翻译十全十美，因此请不要担心您翻译有误 —— 我们的服务器已经记录所有的翻译，您不必担心会因为您的失误导致无法挽回的破坏。（改编自维基百科）