AI 论文速递

最新

LLaVA-Mini：高效图像和视频大型多模态模型，使用一个视觉令牌
本文解决了现有大型多模态模型在处理视觉令牌时高计算开销的问题。通过引入模态预融合的方法，LLaVA-Mini在保留视觉信息的同时，将输入的视觉令牌高效压缩为一个令牌，从而在多个基准测试中表现优于传统模型。此创新使得模型在效率和速度上有显著提
PDF4 days ago
弱监督语义分割中的超像素边界修正：以组织病理图像为例
本研究解决了弱监督语义分割方法在组织病理图像中边界模糊和空间分辨率低的问题。提出了一种多层超像素修正算法，通过超像素聚类和填充技术来改善类激活图的边界定义。实验结果表明，该方法在乳腺癌分割数据集上取得了71.08%的mIoU，相较之前方法显
PDF4 days ago
神经DNF-MT：一种用于学习可解释和可编辑策略的神经符号方法
本研究解决了深度强化学习中的策略可解释性问题，提出了一种名为神经DNF-MT的新型神经符号方法，能够实现端到端的策略学习。通过将模型训练与标准逻辑程序相结合，研究展示了如何将确定性政策的双值表示进行编辑，并将其融入神经模型中，从而实现对所学
PDF4 days ago
AlphaPO -- 奖励形状对大型语言模型对齐的重要性
本文针对大型语言模型对齐中的直接对齐算法（DAA）面临的奖励模型缺失问题，提出了一种新的方法AlphaPO，强调奖励函数的形状对模型性能的影响。通过引入$\alpha$参数，AlphaPO在保持对可能性位移和过度优化的精细控制方面表现出色，
PDF4 days ago
SELMA3D挑战：自监督学习用于3D光片显微镜图像分割
本研究针对传统深度学习模型在领域迁移时准确率大幅下降的问题，提出通过自监督学习提升3D光片显微镜图像分割的性能。研究组织了SELMA3D挑战，提供大量清晰小鼠和人脑的光片图像数据集，结果显示自监督学习在大规模数据集上可以显著提高分割模型的表
PDF4 days ago
CL3DOR：通过高分辨率点云的赔率比进行3D大规模多模态模型的对比学习
本研究针对现有训练数据集中视觉和文本内容信息颗粒度不足和清晰度不高的问题，提出了CL3DOR模型，通过增加点云密度和构建信息丰富的困难负样本来提升多模态理解的精准性与清晰度。实验结果表明，CL3DOR在3D场景理解和推理基准测试中达到了最先
PDF4 days ago
零-shot动态场景风格化：高斯喷溅方法
本研究解决了动态场景风格化中时空一致性不足的问题，提出了一种零-shot风格化框架ZDySS。该框架利用高斯喷溅技术确保特征向量的风格转移，从而在真实动态场景中展现出优越的性能和一致性，具有广泛的实际应用潜力。
PDF4 days ago
神经形态光学跟踪与成像随机移动目标的强散射介质中的应用
本研究解决了在强散射介质中跟踪和成像随机移动目标的重大挑战，并提出了一种基于神经形态光学工程和计算的方法。通过结合事件检测相机和多阶段神经形态深度学习策略，展示了如何从噪声背景中提取目标信息，实现高效、低功耗的成像技术。
PDF4 days ago
添加噪声、任务或层？MaiNLP在2025年VarDial共享任务中的挪威方言槽位和意图检测
本研究重点解决了方言和口语变体中的槽位与意图检测（SID）任务中低资源场景的研究缺口。研究提出了一种新颖的方法，通过注入字符级噪声、辅佐任务训练和模型层交换等技术，显著提高了方言SID模型的性能。研究结果显示，噪声注入对模型表现有积极影响，
PDF4 days ago
通过辅助任务改善方言槽位和意图检测：多方言巴伐利亚案例研究
本研究针对方言数据匮乏的问题，提出了一种零-shot迁移学习的方法，专注于多个巴伐利亚方言，并发布了慕尼黑方言的新数据集。通过比较不同的辅助任务，研究发现辅助任务对槽位填充的影响更为显著，特别是命名实体识别任务效果最佳。这种方法在巴伐利亚方
PDF4 days ago
基于大型语言模型的渐进式文档级文本简化
本研究聚焦于文档级文本简化的不足之处，提出了一种新的渐进式简化方法（ProgDS），通过分层的复杂性简化策略来处理文本。实验结果表明，该方法在文档简化任务中显著优于现有的小型模型或直接提示大型语言模型，推动了该领域的前沿进展。
PDF4 days ago
低资源环境下的高效语言建模：以isiXhosa为例的BabyLMs
本研究解决了低资源语言建模中的数据不足问题，提出了高效的BabyLM模型。这些模型在isiXhosa语料上进行预训练，显著提升了词性标注和命名实体识别的效果，尤其在命名实体识别上提升了3.2的F1分数，显示出高效模型在低资源语言中的应用潜力
PDF4 days ago
SEMISE：医学图像严重程度表示的半监督学习
本研究提出了一种新方法SEMISE，结合自监督和监督学习来解决医学图像表示学习中的数据稀缺问题。通过利用标记数据和增强数据，该方法显著改进了分类性能（提升12%）和分割性能（提升3%），展示了其在医疗图像分析中的潜力，尤其在标记数据有限的情
PDF4 days ago
扩散作为着色器：3D感知视频扩散用于多样化视频生成控制
本文解决了视频生成过程中的精确控制问题，例如摄像机操控和内容编辑，现有方法灵活性不足。我们提出了Diffusion as Shader（DaS），通过利用3D控制信号在统一架构内支持多种视频控制任务，显著提高了生成视频的时间一致性，并展示出
PDF4 days ago
扩散作为着色器：具备3D感知的视频扩散以实现多样化视频生成控制
本文解决了视频生成过程中对生成控制的精确需求，尤其是在摄像机操作和内容编辑方面的挑战。提出的“扩散作为着色器”（DaS）方法通过使用3D跟踪视频作为控制输入，实现了多个视频控制任务的统一架构，从而提升了视频生成的灵活性和时间一致性。研究表明
PDF4 days ago
多并非总是更好？通过差异化和重加权目标增强多样本上下文学习
本研究针对大语言模型在多样本上下文学习中的性能下降问题，提出了DrICL优化方法，通过差异化学习和基于优势的重加权目标，提升模型性能。实验结果表明，采用DrICL的模型在多个任务中实现了显著改进，同时开发的多样本ICL基准数据集（ICL-5
PDF4 days ago
BERTopic在印地语短文本主题建模中的比较研究
本研究解决了印地语短文本主题建模方法不足的问题，探索了BERTopic在此领域的应用。通过使用上下文嵌入，BERTopic能够有效捕捉数据中的语义关系，并在捕获印地语短文本的连贯主题方面显著优于传统模型。研究结果表明，BERTopic在所评
PDF4 days ago
MedFocusCLIP：利用像素级注意力提高医学数据集中的少量样本分类
本研究解决了在医学图像分类中细粒度分类任务面临的类别间差异大和类别内差异小的问题。我们提出了一种新方法，通过融合Segment Anything Model 2的高级分割能力，使用视觉提示引导CLIP视觉编码器注意图像中的相关区域。实验结果
PDF4 days ago
LM-Net：一种轻量级多尺度医学图像分割网络
本研究解决了现有医学图像分割方法在多尺度信息深度挖掘及局部细节纹理与全局语义信息结合方面的局限。我们提出了一种新颖的轻量级多尺度网络架构LM-Net，通过结合卷积神经网络和视觉变换器的优势，显著提高了分割精度。LM-Net在多个数据集上展现
PDF4 days ago
SCC-YOLO：一种改进的物体检测器，用于辅助脑肿瘤诊断
本研究针对脑肿瘤检测中的有效性不足问题，提出了一种新颖的SCC-YOLO架构，将SCConv注意力机制集成到YOLOv9中。实验结果显示，SCC-YOLO在两个数据集上的mAp50相比YOLOv9分别提升了0.3%和0.5%，达到了脑肿瘤检
PDF4 days ago