- Director3D: 从文本生成真实世界摄像机轨迹和 3D 场景
通过在真实世界的数据集上生成逼真的 3D 场景，本研究提出了 Director3D，一种用于生成真实世界 3D 场景和自适应摄像机轨迹的强大开放式文本到 3D 生成框架。经过大量实验证明，Director3D 在真实世界的 3D 生成领域具 - 朝向领域自适应的神经上下文赌博
通过从源域收集反馈，我们介绍了第一个用于情境强盗的通用领域适应方法。我们的方法在跨领域适应时维持亚线性遗憾界限，并在真实世界数据集上表现优于现有的情境强盗算法。
- MM多模态数据分布的弱监督异常检测
基于弱监督的变分混合模型的异常检测器（WVAD）在多模态数据集上表现出卓越性能。通过捕捉不同聚类中数据的各种特征，并通过异常得分评估器对这些特征进行评估，WVAD 能够识别异常水平。在三个真实世界数据集上的实验结果证明了 WVAD 的优越性 - BTS: 建设时间序列数据集：为大规模建筑分析赋能
通过提供建筑时间序列（BTS）数据集，本研究试图解决建筑分析领域中普遍存在的可访问、可获取和全面的真实世界数据集的缺乏问题，并通过对时间序列本体分类和零样本预测等任务的评测，为建筑分析中的互操作性挑战提供了关键的初步步骤。
- 图神经网络在统计泛化中的多样视角
通过流形理论，分析在由流形样本构造的图上操作的图神经网络的统计泛化差距，研究了图神经网络在节点级和图级任务上的泛化差距。在训练图中节点数量增加时，泛化差距减小，从而保证图神经网络对流形上的未见点的泛化性能。通过多个真实世界数据集验证了我们的 - ICML带有可证明近似保证的动态谱聚类
该研究论文探讨了用于动态演变图的聚类算法，证明了在某些簇结构的条件下，最终图的簇可以被谱聚类算法的动态变体很好地近似，并运行时间复杂度为 O (1) 和查询时间复杂度为 o (n_T)，实验证明了该算法的实用性。
- VCformer：具有内在滞后相关性的多元时间序列预测中的变量相关变压器
多元时间序列预测：提出了 Variable Correlation Transformer (VCformer) 模型，通过 Variable Correlation Attention (VCA) 模块挖掘变量之间的相关性，并结合 Koo - ICML增加校准的一种通用后处理方法：压缩生存分布
本文介绍了一种利用合规回归方法改进模型校准而不降低判别能力的新方法，通过对 11 个真实数据集进行验证，展示了该方法在不同场景下的实际适用性和稳健性。
- 走向现实世界的视频人脸修复：一个新的基准
尽管盲目的人脸修复（BFR）在图像上有了显著进展，但对于更复杂的面部动作（如移动凝视方向和面部朝向）的真实世界视频人脸修复（VFR）问题尚未解决。本研究引入了名为 FOS 的新的真实世界数据集，其中包含来自主要视频帧的 “全面的、遮挡的和侧 - 推荐的双通道复用图神经网络
介绍了一种新的推荐框架，Dual-Channel Multiplex Graph Neural Network (DCMGNN)，以解决现有推荐方法在建模行为模式和处理多重关系时的不足，实验证明该模型在真实数据集上的性能优于最先进的推荐方法 - 量子退火器上训练的本地二进制和多类支持向量机
SVM 与量子退火器相结合的 FaLK-SVM 方法在处理大规模实际数据集时展现出了良好的性能和可扩展性。
- 越过泥泞：离路赛车中的计算机视觉数据集和基准
在非受限和极端环境下的图像识别中，光学字符识别 (OCR) 和计算机视觉系统取得了显著的进展，但仍存在识别文本和识别人物的难题。为了解决这些问题，本研究引入了两个新的挑战性真实世界数据集，通过简化、模糊和运动模糊等多种因素来突出当前方法的不 - 一种基于动量加速的 ReLU 非线性矩阵分解算法
近年来，由于与神经网络的紧密联系，人们对非线性矩阵分解（Nonlinear Matrix Decomposition，NMD）的探索日益增加。本文介绍了一种名为 ReLU-NMD-T 的 Tikhonov 正则化 ReLU-NMD 模型，并 - 一种贝叶斯聚类有效性指标
通过引入贝叶斯聚类验证指数（BCVI），本研究基于现有的基础指数，构建了一个可根据使用者应用的可行性，选择次优聚类数量的方法，并通过对真实世界数据集（包括 MRI 脑肿瘤图像）的应用验证了算法的有效性和应用潜力。
- 基于条件边缘节点更新的图神经网络用于多元时间序列异常检测
引入了边缘条件节点更新图神经网络（ECNU-GNN）模型，通过边缘条件的节点更新模块动态地根据连接的边来适当地转换源节点表示，以更好地表示目标节点，并在 SWaT，WADI 和 PSM 三个真实世界数据集上验证了其性能，相比最佳基线模型，分 - FCDNet: 频率引导的补充依赖建模用于多变量时间序列预测
FCDNet 是一个简洁而有效的框架，通过两个轻量级依赖构造器，从多层频率模式中自适应地提取长期和短期依赖信息，从而克服了先前方法所面临的限制，并显著超过强基线，平均改进了 MAE 的 6.82%、RMSE 的 4.98% 和 MAPE 的 - 通过多元化揭示 OOD 推广的关键组成部分
多样化方法对无标签数据的分布敏感，单纯多样化无法实现 OOD 泛化，学习算法的选择至关重要，将导致精度绝对下降 20％；选择最佳学习算法依赖于无标签数据，同时无标签数据也依赖于学习算法的选择。增加多样性假设数量不能解决这些问题。以上发现为了 - 关于精简数据集的多样性和真实性：一种高效的数据集精简范式
用于大规模真实数据集的数据集压缩方法 RDED 能够在短短 7 分钟内将完整的 ImageNet-1K 压缩为每类只有 10 张图像的小型数据集，并在单个 RTX-4090 GPU 上以 42% 的 Top-1 精度实现了显著的性能提升（而 - 用重要抽样法最大似然估计灵活的生存密度
提出了一种消除超参数调优负担的生存分析方法，匹配或优于基线模型在多个真实数据集上的效果。
- PDPK：一种用于制造业的综合流程数据和相应流程知识的框架
使用一个可用于不同领域的综合数据集生成框架，模拟参数化流程并提供一致的流程数据，将出色的嵌入方法与知识图形进行比较，验证合成数据集的整体特征与真实数据集的可比性。