AI 论文速递

最新顶会 ChatGPT

使用合成数据学习一次性 4D 头像合成
现有的一次性 4D 头部合成方法通常通过 3DMM 重建从单眼视频中学习，然而后者同样具有挑战性，限制了它们对合理的 4D 头部合成的使用。我们提出了一种通过大规模合成数据学习一次性 4D 头部合成的方法。关键在于首先通过对抗学习从单眼图像
PDF2 days ago
TrafficMOT：复杂交通场景下的多目标追踪挑战数据集
多目标跟踪在交通视频中是一个关键的研究领域，通过利用先进的机器学习算法，可以提高交通监控的准确性并促进道路安全措施。然而，现有的交通视频多目标跟踪数据集通常具有有限的实例或专注于单个类别，无法很好地模拟复杂交通场景中遇到的挑战。为了填补这一
PDF2 days ago
利用缓存在小型设备上实现 SLU
探讨在类微控制器嵌入式设备上的口语理解（SLU），将设备上的执行与云端卸载结合在一起。通过在设备的语音输入中利用时间局部性，重复使用最近的 SLU 推断。我们的想法很简单：让设备将新输入与缓存结果进行匹配，并只将匹配不成功的输入卸载到云端进
PDF2 days ago
评估和基准化离策略评估的风险收益权衡
评估线下记录数据所使用的反事实政策的有效性，并通过基于财务投资组合评估的新指标 SharpeRatio@k 来衡量政策组合的风险回报权衡，该指标已被集成到开源软件 SCOPE-RL 中，实证研究对不同评估器和强化学习任务进行了全面的基准测试
PDF2 days ago
语言模型代理在 Web 自动化中受到构成性泛化的影响
LMA 在基本任务上的表现优于人类和强化学习代理，但在涉及任务组合的实际应用中，它们的性能仍未得到充分探索。通过引入新的基准 CompWoB，我们展示了从基本任务到组合任务的 LMA 表现下降，而在训练过程中平衡任务数据分布后，我们设计了一
PDF2 days ago
EMNLP非自然错误纠正：GPT-4 几乎能够完美处理非自然混乱文本
在这项研究中，我们提出了新颖的实验见解，揭示了大型语言模型（LLMs）的韧性，特别是 GPT-4，在经历大规模字符级排列混乱时。我们设计了 Scrambled Bench 套件来评估 LLMs 处理乱序输入的能力，包括恢复乱序句子和回答给定
PDF2 days ago
内窥镜中镜面反射处的法线和形状重建
我们提出了一种新的方法，使用内窥镜图像中的镜面反射作为线索，从单张图像中重建观察到的组织表面的法向量和曲率，该方法在模拟和真实干预图像上展现了结果。
PDF2 days ago
动态图中链路预测算法评估的新视角
通过对负采样的可能性进行分类，并引入新的可视化方法以研究预测性能和时间网络动态，我们验证了错误通常在不同数据段之间不均匀分布，并认为这些可视化工具可以成为评估不同层次的动态链接预测方法的强大指南。
PDF2 days ago
位置信息对于不变上下文学习至关重要：简单函数类的案例研究
深入研究了在上下文学习中的限制和成功原则，并通过比较变压器和 DeepSet 架构以保持重要的离域学习不变性的区别，发现保持离域学习不变性对于成功的下一次时关键的。
PDF2 days ago
临床 MRI 扫描的多模态融合自动检测阿尔茨海默病
研究老龄化人口与阿尔茨海默病的关系，通过深度学习和多模态信息，基于大脑 MRI 扫描预测疾病阶段，早期检测和治疗。
PDF2 days ago
感知分组解析器：通过迭代分组构建感知
人类视觉识别系统显示了惊人的能力，能够将视觉信息压缩为一组包含丰富表示的令牌，无需标签监督。本文提出了感知分组标记器，一种完全依赖于分组操作的模型，用于提取视觉特征和进行自监督表示学习，其中一系列分组操作被用于迭代地假设像素或超像素的上下文
PDF2 days ago
PoseGPT：关于三维人体姿势的对话
PoseGPT 是一个框架，利用大型语言模型（LLMs）从图像或文本描述中理解和推理出 3D 人体姿势。它通过嵌入 SMPL 姿势作为多模态 LLM 中的独立信号标记来解决传统人体姿势估计方法的局限性，不仅简化了姿势预测，而且赋予了 LLM
PDF2 days ago
分数梯度下降的收敛分析
分数阶导数及其在梯度下降方面的收敛性分析，以及在光滑凸函数和拟凸函数方面的收敛速度提升。
PDF2 days ago
CAST: 视频动作识别中的时空交叉注意力
我们提出了一种新的双流架构，称为 Cross-Attention in Space and Time (CAST)，它使用 RGB 输入实现了对视频的平衡的时空理解。我们的提出的瓶颈交叉注意机制使得空间和时间专家模型能够交换信息并进行协同预
PDF2 days ago
水下图像增强是否为所有目标检测器所需要？
海底目标检测中的图像增强算法对提高检测效果具有重要影响，本研究通过使用 18 种最先进的海底图像增强算法对数据进行预处理，重训练 7 种深度学习目标检测模型，得出了 126 个海底目标检测模型，并通过对比原始图像上的 7 个目标检测模型，全
PDF2 days ago
跨不同化学领域的迁移学习：利用在小分子和化学反应数据上预训练的深度学习模型进行有机材料的虚拟筛选
使用机器学习预测有机材料属性是一种高效的虚拟筛选方法，本研究证明药物类小分子和化学反应数据库可用于预训练 BERT 模型以进行有机材料的虚拟筛选，并展示了其在机器学习模型训练中的优越性能，进一步加强了跨不同化学领域的迁移学习在有机材料的虚拟
PDF2 days ago
FediOS: 在特征不平衡联邦学习中解耦正交子空间实现个性化
个性化联邦学习（pFL）通过协同训练多个客户端来增强定制本地模型的能力。本文提出了一种名为 FediOS 的有效 pFL 方法，通过重新设计特征偏斜 pFL 的架构解耦设计，将模型分为两个特征提取器（通用和个性化）和一个共享预测头。通过正交
PDF2 days ago
RaDialog：大规模的视觉语言模型用于放射学报告生成与对话辅助
RaDialog 是一个用于放射学报告生成和交互对话的大型视觉语言模型，通过有效集成视觉图像特征和结构化病理结果，并使用参数高效的微调方法，实现了最先进的临床正确性，以及在纠正报告和回答问题等互动任务方面展现出惊人的能力，为临床对话系统打下
PDF2 days ago
正电子发射计算机断层扫描中人工智能的解剖学和生理学
人工智能在核医学领域的影响正在迅速增长，研究人员和临床医生力图将人工智能应用到 PET，临床医生将很快发现自己参与到从图像重建到增强报告的分子成像链的人工智能应用中，这种人工智能在 PET 成像中的不断扩大的存在将导致对与人工智能不熟悉的教
PDF2 days ago
临床医生与放射学报告生成模型之间的共识、不一致性和协同效应
放射学报告是现代医学的重要组成部分，自动化报告生成和 AI 生成的报告对放射学家和临床决策具有潜在的帮助，但面临着质量评估和医生参与的挑战。本研究展示了放射科医生与 AI 系统进行合作的潜力以及 AI 生成报告与专家撰写报告的比较结果。
PDF2 days ago