这是一个谜，大脑如何纯粹是从它收到的视神经信号来解码的，核心推论的挑战是它如何从眼睛的未知编码属性中解散了内部感知。在本文中，我们引入了一个计算框架，用于通过模拟眼睛和皮质来建模人类色觉的出现。现有的研究通常会忽略皮质如何在内部发展彩色空间或代表色彩空间，假设颜色维度是先验的。但是，我们认为，视觉皮层具有纯粹来自视神经信号中波动的颜色维度的能力和挑战 ...

大型语言模型（LLM）在机器人和自动驾驶领域取得了重大进步。这项研究提出了第一个基于占用率的大语言模型（OCC-LLM），该模型代表了将LLM与重要代表性相结合的开创性努力。为了有效地编码占用率作为LLM的输入并解决与占用相关的类别失衡，我们建议运动分离变化自动编码器（MS-VAE） ...

高斯的散布在基于高斯显式表示的多视图重建中表现出令人印象深刻的结果。但是，当前的高斯原语只有单个视图的颜色，并且不透明度代表场景的外观和几何形状，从而导致非压缩表示。在本文中，我们介绍了一种名为Supergaussian的新方法，该方法在单个高斯原始语言中利用空间变化的颜色和不透明度来提高其表示能力 ...

随着3d面部头像越来越广泛地用于交流，它们忠实地传达情感至关重要。不幸的是，从单眼图像回归参数化，3d面部模型的最新最佳方法无法捕捉完整的面部表情，例如微妙，例如微妙（（）不足以捕获高保真表情... ...

噪声抑制（NS）模型已被广泛应用以提高语音质量。最近，我们表示基于深度学习的NS是深度噪声抑制（DNS），由于其在传统方面的表现出色，因此成为NS NS方法。但是，DNS模型在支持现实世界应用方面面临2个主要挑战 ...

在本文中，我们深入研究了基于 Transformer 的语言模型（LLMS）用于事实召回任务的几种机制。我们概述了由三个主要步骤组成的管道：（1）提示``法国的首都是''，特定于任务的注意力负责人提取主题 Token ，例如``法国''随后的MLP。 （2）随着注意力头的输出的重量相等并添加到残留流中，随后的MLP充当``激活''，它可以消除或放大来自单个头部的信息 ...

已经致力于将强大的大语言模型（LLM）与不同方式相结合，尤其是专注于语言，视觉和音频数据的融合。但是，图形结构的数据固有地富含结构和领域特定的知识，但尚未优雅地适应LLM。现有的方法要么用原始文本描述图形，要么以图形结构信息的丢失，要么以丢失可解释的及时语义为代价，填充图形神经网络（GNN）嵌入到LLMS中 ...

大型语言模型（LLMS）表现出令人印象深刻的表现，但缺乏灵活性，无法迅速适应人类的偏好而无需再培训。在这项工作中，我们介绍了测试时间偏好优化（TPO），该框架将LLM输出与推断期间人类偏好保持一致，从而消除了更新模型参数的需求。 TPO不依靠纯粹的数字奖励，而是将奖励信号转化为文本批评，并将其用作文本奖励，以迭代地完善其响应 ...