AI 论文速递

最新

合成数据作为基准的有效性
本研究解决了合成数据在自然语言处理任务中作为基准的代表性问题。通过评估合成数据的生成效果，提出了“偏差因子”这一新指标，揭示小型大型语言模型对自生成数据的偏见。研究结果表明，不同任务对合成数据的有效性要求不同，因此建议实践者在可能的情况下使
PDF2 days ago
数据高效声学场景分类的教师指导混淆类别教学
本研究解决了声学场景分类中小样本训练的效率和准确性问题。通过减少基线模型的复杂度和引入数据增强方法，提升了训练样本的多样性。同时，利用知识蒸馏将多个模型的混淆类信息整合，以提高在不同训练分割下的准确性，实现了最高62.21%的测试准确率。
PDF2 days ago
基于复杂环境的中文连续手语数据集
当前的连续手语识别研究面临的瓶颈在于大多数公开数据集局限于实验室环境或电视节目录制，缺乏真实场景的多样性和复杂性。为了解决这一问题，本文构建了一个基于复杂环境的中文连续手语数据集（CE-CSL），涵盖了5,988个来自日常生活场景的视频片段
PDF2 days ago
基于帧事件融合网络的高帧率任意点跟踪
本研究解决了基于图像帧的任意点跟踪在高速场景下的不稳定性和有限泛化能力的问题。提出了一种图像事件融合点跟踪器FE-TAP，通过结合图像帧的上下文信息和高时间分辨率事件，实现了高帧率和强健的点跟踪。实验表明，该方法在EDS数据集上比现有最优方
PDF2 days ago
高斯头：从粗到细表示的可驱动高斯头头像的端到端学习
本文解决了实时渲染人头头像中复杂运动（如口腔内部和头部姿态变化）表现不佳的问题。提出了一种新方法，通过多视角图像生成高度动态和可变形的人类头头像，核心在于层次化的头部模型表示，使得面部表情和头部动作的复杂动态得以捕捉。该方法在多个数据集上表
PDF2 days ago
可微分碰撞监督牙齿排列网络及其解耦视角
本研究针对现有牙齿排列方法中目标姿态感知与运动回归耦合的问题，提出了一种可微分的碰撞监督牙齿排列网络（DTAN）。该方法通过解耦预测任务与特征建模，显著提升了牙齿排列的准确性与速度，并提出了一种新的碰撞损失函数，为未来的三维点云任务应用提供
PDF2 days ago
使用李群方向性的强化学习在机器人领域的应用
本研究解决了机器人和物体方向处理中的数学准确性不足问题，特别是在学习过程中。通过对网络输入和输出进行简单修改，使其符合方向的李群结构，从而实现了与现有学习库直接兼容的高效实现，并在多种情境下表现出显著优于常见方向表示的性能。
PDF2 days ago
将强化学习作为现实生产调度的改进启发式方法
本研究解决了应用强化学习（RL）于现实多目标生产调度问题的不足。通过将RL代理训练为改进启发式，初始从次优解出发，逐步应用小变更以提升解的质量。实验表明，该方法在与其他启发式比较时表现出更优的性能，潜在地提升生产调度的效率。
PDF2 days ago
可解释的机器学习方法用于交通事故致死预测
本研究解决了发展中国家交通事故致死预测的不足，通过应用机器学习分类算法对达卡市2017至2022年的交通事故数据进行分析。采用SHAP方法增强模型可解释性，结果显示LightGBM模型在预测表现上最佳，ROC-AUC得分为0.72，揭示了事
PDF2 days ago
聚合令牌聚类
本文提出了聚合令牌聚类（ATC），一种新的令牌合并方法，能够在图像分类、图像合成以及物体检测与分割任务中超越以往的合并和修剪方法。ATC通过自下而上的层次聚类来合并集群，不需要额外的可学习参数，无论是否微调，其性能均达到了最先进的水平，尤其
PDF2 days ago
通过时间和空间的扩散模型组合生成复杂的3D人类运动
本研究解决了生成在训练阶段未见动作类别的真实3D人类运动的挑战。我们提出了一种新方法，将复杂动作分解为简单运动，并结合扩散模型的特性来合成真实动画。实验结果表明，该方法在生成不在训练数据中的运动类别方面具有显著的潜力和实用价值。
PDF2 days ago
LLM-wrapper：黑盒语义感知适应视觉语言基础模型
本研究解决了视觉语言模型（VLMs）在零-shot能力上的局限性，尤其是与专用或微调模型相比的不足。提出的LLM-wrapper通过利用大型语言模型（LLMs）以黑盒方式适应VLMs，从而在复杂的开放词汇任务上展现出明显的效果提升，业绩在与
PDF2 days ago
教育中的大语言模型：新观点、挑战与机遇
本研究针对大语言模型在教育领域的应用，探索其在教学、学习和评估中的新机遇及面临的挑战。通过聚焦于阅读、写作和口语技能及智能辅导系统，本文提出了前所未有的见解，强调了LLMs在提升教育效果方面的潜在影响。
PDF2 days ago
肿瘤感知的肺癌计算机断层扫描的患者间可变形图像配准
本研究解决了现有图像注册方法无法有效处理肿瘤变化的问题，提出了一种肿瘤感知的递归配准深度学习方法（TRACER）。实验结果表明，TRACER在肿瘤的保留和组织对齐方面表现优异，其肿瘤体积差异最小，仅为0.24%，显示了其在放疗计划中的潜在应
PDF2 days ago
AlignBot：通过微调对齐 VLM 驱动的定制任务规划与用户提醒的家庭机器人
本文提出了一种新框架 AlignBot，旨在优化家庭机器人与用户提醒的对齐，通过微调实现定制任务规划。AlignBot 采用 LLaVA-7B 模型作为 GPT-4o 的适配器，能够将多样化的用户提醒转化为结构化指令，显著提升任务规划准确性
PDF2 days ago
寻找主观真相：为综合生成人工智能模型评估收集200万票数
本研究解决了图像生成模型评估中的主观判断和人类偏好的问题，提出了一种利用Rapidata技术的高效注释框架，收集了来自全球多样化评审员的超过200万条注释。研究表明，这种方法可以全面排名图像生成模型，并大幅减少评估偏差风险。
PDF2 days ago
更少的内存意味着更小的GPU：压缩激活的反向传播
本研究针对深度神经网络（DNN）在训练中内存需求不断增长的问题，提出了一种通过池化压缩激活图的方法，以减少反向传播中的内存占用和数据移动。研究表明，虽然训练时间有所增加，但这种新方法能够将峰值内存消耗降低29%，同时保持预测准确性，展现了其
PDF2 days ago
大语言模型与个性化插件 = 个性化大语言模型
本研究解决了个性化大语言模型在用户偏好多样性方面的缺乏，提出了一种新颖的用户特定嵌入模型，通过轻量级插件模块建模用户历史上下文，以增强LLMs对用户习惯的理解。实验结果表明，该模型在多个语言模型个性化任务中显著优于现有方法，具有良好的应用潜
PDF2 days ago
具有自注意力的多网格图神经网络在计算力学中的应用
本研究解决了计算流体动力学中的精度和效率问题，提出了一种结合自注意力和消息传递的新型图神经网络模型，实现了在著名圆柱流动基准测试上RMSE减少15%的成果。此外，基于自注意力的动态网格修剪技术与自监督训练方法结合使用，进一步提升了整体性能。
PDF2 days ago
针对网络攻击的自主四旋翼安全控制系统
本研究针对自主四旋翼在安全性上的缺陷，提出了一种智能控制系统以应对网络攻击。通过深度学习方法，设计了优化的虚假数据注入攻击方案以及相应的对策，显著提升了四旋翼的追踪性能，研究结果为无人机系统的安全控制提供了重要的启示。
PDF2 days ago