香草图像完成方法对大型缺失区域表现出敏感性，这归因于有限的参考信息的合理生成。为了减轻这种情况，现有方法将额外的提示作为图像完成指导。尽管有所改进，但这些方法通常仅限于采用单一模态（e ...

在自动化的论文评分（AES）中，最近的努力已转向交叉宣传的设置，这些设置在看不见的提示中得分为实际适用性。但是，在获得及时的临时论文代表方面，经过论文评分对培训的先前方法构成了挑战。在这项工作中，我们提出了一个语法意识的交叉推测特质评分（GAPS），该评分内部捕获了迅速独立的句法方面，以学习通用论文表示 ...

现有的点云完成方法通常取决于预定义的合成训练数据集，当应用于分布外的现实世界扫描时会遇到重大挑战。为了克服这一限制，我们引入了一个零拍的完成框架，称为GENPC，旨在通过利用显式3D生成先验来重建高质量的现实世界扫描。我们的关键见解是，最近在互联网规模的数据中训练的近期馈电3D生成模型已经证明了在零摄影设置中从单视图中执行3D代的能力 ...

标记数据的有限可用性导致了半监督学习的进步，以进行医学图像分割。为一般分割而定制的现代大型模型，例如任何模型（SAM），已经揭示了强大的概括能力。但是，将这些模型直接应用于医学图像分割仍然会暴露出绩效降解 ...

本文在开放世界的情况下研究了不断学习的问题，称为开放世界持续学习（OWCL）。 OWCL越来越上升，而在两个方面的挑战性高度挑战：i）学习一系列任务而不会忘记过去的知名度，ii）将来确定未知（新颖的对象/类）。现有的OWCL方法遭受了已知和未知数之间任务感知界限的适应性，并且不考虑知识转移的机制 ...

推理细分的传统方法依赖于具有分类标签和简单描述的监督微调，从而限制了其不域的概括和缺乏明确的推理过程。为了解决这些局限性，我们提出了SEG-Zero，这是一个新颖的框架，该框架表现出了显着的普遍性，并通过认知强化得出了明确的经过思考的推理。 SEG-Zero引入了由推理模型和分割模型组成的解耦架构 ...

Large Language Models (LLMs) have demonstrated human-like instruction-following abilities, particularly those exceeding 100 billion parameters.一些较小的，资源友好的LLM的组合功能可以解决较大的LLMS Excel的大多数说明。在这项工作中，我们探讨了如何 ...

在各种应用程序域（例如内容建议，广告系统和搜索引擎）的工业规模匹配阶段中，两个较高的模型被广泛采用。该模型通过将用户和项目表示形式分开来有效地处理大规模候选项目筛选。但是，解耦网络还导致对用户和项目表示之间的潜在信息交互的忽视 ...