AI 论文速递

最新

XAI4Extremes：一个用于理解气候变化下极端天气前兆的可解释机器学习框架
本研究针对气候变化下极端天气事件前兆识别不清的问题，提出了一种后验可解释性方法，通过构建相关天气图，展示深度学习模型识别的关键极端天气前兆。研究表明，这些模型能够揭示有助于理解极端天气前兆的模式，且该方法可扩展至全球其他极端天气事件的研究。
PDF5 days ago
绿洲：一张图像即可满足多模态指令数据合成需求
本研究解决了多模态大语言模型（MLLMs）训练数据缺乏和获取成本高的问题。提出了新方法"绿洲"，通过仅使用图像合成高质量多模态数据，显著提高数据多样性和质量控制。实验结果显示，该方法能显著提升MLLMs的性能，并专注于特定领域的能力。
PDF5 days ago
关注轨迹：轨迹感知开放词汇跟踪
本研究解决了开放词汇多目标跟踪中对轨迹信息依赖不足的问题，通过引入轨迹一致性增强策略（TCR）和可插拔的轨迹分类模块（TraCLIP），有效提升了目标关联和分类的精度。这一方法显著提高了跟踪性能，展示了轨迹信息在开放词汇多目标跟踪中的重要性
PDF5 days ago
FlowDPS：基于流的逆问题后验采样
本研究解决了在流模型框架下逆问题求解的空白，通过将扩散逆求解器扩展到流模型，提出了一种新方法FlowDPS。研究表明，FlowDPS在四个线性逆问题中的表现优于当前最先进的替代方案，且无需额外训练。
PDF5 days ago
MGHanD：多模态引导下的真实手部扩散
本研究解决了扩散生成模型在生成真实人手方面的不足，特别是指头计数错误和手部结构变形的问题。通过在推理过程中应用多模态引导，结合经过训练的判别器和LoRA适配器，我们提出了一种新方法来改善手部图像的质量。实验结果表明，MGHanD在生成高质量
PDF5 days ago
朝向稳定的世界模型：测量和应对生成环境中的世界不稳定性
本研究针对世界模型在维持内容稳定性方面的不足，提出了“世界稳定性”的概念，旨在提高生成环境的表现。通过建立评估框架，量化模型在执行一系列动作及其逆向操作后回归初始视角的能力，结果显示当前主流生成模型在稳定性方面面临重大挑战，并探讨了多种改进
PDF5 days ago
HeGMN：用于学习图相似性的异构图匹配网络
该研究解决了现有图相似性学习方法在处理异构图时性能下降的问题。提出的异构图匹配网络（HeGMN）通过引入两级匹配机制，采用异构图同构网络作为编码器，并结合图级和节点级匹配模块，显著提高了图相似性预测的准确性。实验结果表明，HeGMN在多个数
PDF5 days ago
Uni$\textbf{F}^2$ace：用于细粒度面部理解与生成的统一多模态模型
本研究针对现有面部领域在细粒度面部属性理解和生成能力上的不足，提出了Uni$\textbf{F}^2$ace，首个专门为细粒度面部理解与生成而设计的统一多模态模型。通过构建包含130K图像-文本对和百万个问答对的大规模数据集，并结合改进的扩
PDF5 days ago
共生生成模型的收敛动态与稳定策略
本文研究了共生生成模型在训练过程中相互影响导致的模型崩溃现象，填补了对此过程的研究空白。通过建模文本和图像模型的交互，发现固定一个模型会导致另一个模型崩溃，而完全交互系统加速了这种崩溃。引入外部影响的稳定策略能够防止模型崩溃，保持多样性和保
PDF5 days ago
人工智能原生记忆2.0：第二个我
本研究解决了用户在与外部世界互动时需多次提供个人信息的冗余问题。通过引入“第二个我”这一智能持久记忆系统，该论文提出了一种新的记忆管理方式，利用大型语言模型实现动态知识利用和上下文感知响应。研究结果显示，这种方法能够显著降低用户的认知负担，
PDF5 days ago
6G无线信号识别的革命：最近进展、挑战与未来方向
本研究针对6G无线通信网络中无线信号识别（WSR）技术的关键性挑战，提出了一种全面的综述，探讨了WSR的应用、主要任务及其在人工智能时代的智能化方法。研究发现，智能WSR方法能够显著提升网络性能和安全性，并为未来的6G网络提供新的研究方向。
PDF5 days ago
增强指令的长时间规划：嵌入式移动操作的基础机制
本研究针对人形机器人在现实环境中进行长时间移动操作规划的挑战，提出了一种新的“增强指令长时间规划”（IALP）系统。该系统利用大语言模型生成基于实时传感器反馈的可行且最优的操作，结果显示其在执行长时间任务时的成功率超过80%，显著提升了机器
PDF5 days ago
用64个潜在向量表示3D形状的3D扩散模型
本研究解决了3D扩散模型中高效表示3D形状的压缩潜在空间问题。提出的COD-VAE使用两阶段自编码器方案，将3D形状编码为紧凑的1D潜在向量，并通过不损失质量的方式显著提高压缩和解码效率。实验结果表明，COD-VAE相较于基线实现了16倍的
PDF5 days ago
自我监督学习在锂离子电池健康诊断中的降解应用
本研究解决了锂离子电池健康评估中传统充放电协议不足的问题，特别是在动态电流环境下的适应性不足。论文提出了一种基于自我监督学习的新训练策略，利用经验小波变换分析非平稳电压信号，从而提高了电池健康评估的准确性。研究表明，该方法与实际容量降解之间
PDF5 days ago
STGDPM：基于时空图扩散概率模型的船舶轨迹预测
本研究解决了现有船舶轨迹预测方法缺乏全面建模行为多模态性的问题。作者提出了一种新的方法，将互动场景建模为动态图，并利用扩散模型的自然多模态能力，将轨迹预测任务框架设定为运动不确定性扩散的逆过程。通过在真实的自动识别系统（AIS）数据上进行广
PDF5 days ago
多模态的持续学习
本研究解决了现有持续学习方法在多模态学习中的局限性，提出了一种新颖的框架，能够同时处理图像、视频、音频、深度和文本等多种模态。通过对不同模态进行知识聚合和重新对齐，我们的方法显著提高了在多种数据集上的学习效果，减少了以往已学知识的遗忘风险。
PDF5 days ago
可解释推荐系统的反事实语言推理
本研究解决了当前推荐系统中推荐生成与解释创建分离的问题，违反了因果前置原则。提出了一种新框架，将结构因果模型与大型语言模型相结合，确保推荐流程中的因果一致性，并开发了一种去偏机制，提升了推荐准确性、解释合理性及去偏效果。
PDF5 days ago
广义Kullback-Leibler散度损失
本研究针对Kullback-Leibler（KL）散度损失的局限性提出了改进方案，方法是引入了加权均方误差（wMSE）和结合软标签的交叉熵损失形成解耦的Kullback-Leibler（DKL）损失。通过两个方面的改进，研究推出了广义Kul
PDF5 days ago
对象移动器：基于视频先验的生成对象移动
本文解决了在图像中移动物体时面临的多种挑战，包括光线调整、视角变化下的姿态调整、遮挡区域的准确填充等。我们提出的ObjectMover是一种生成模型，将此任务建模为序列到序列的问题，利用视频生成模型的知识，以在复杂场景中可靠移动物体，实现了
PDF5 days ago
HOFAR：高阶增强的流自回归变换器
本文解决了流自回归变换器在图像生成中的一阶轨迹建模局限性。提出了一种新的高阶流自回归框架（HOFAR），通过高阶监督系统地增强流自回归变换器。研究表明，HOFAR在生成质量上显著优于基线模型，对流基自回归建模的理解有重要推动作用。
PDF5 days ago