10073 papers
Het artikel introduceert GeoNDC, een querybare neurale datacube die planetaire aardobservatiegegevens comprimeert tot een continue, impliciete neurale veldrepresentatie, waardoor directe ruimtelijk-temporele queries en reconstructie zonder volledige decompressie mogelijk zijn op consumentenhardware met hoge nauwkeurigheid.
Dit paper introduceert Intern-S1-Pro, het eerste multimodale fundamentele wetenschappelijke model met een omvang van één biljoen parameters dat, dankzij geavanceerde infrastructuur voor RL-training, zowel toonaangevende algemene intelligentie als ongeëvenaarde expertise in meer dan 100 gespecialiseerde wetenschappelijke taken combineert.
MoRGS is een efficiënt online framework dat de kwaliteit van 4D-reconstructie van dynamische scènes verbetert door per-Gaussian-beweging expliciet te modelleren met behulp van optische stroming als regularisatie en een betrouwbaarheidsmechanisme om statische en dynamische gebieden te onderscheiden.
GaussFusion is een nieuwe methode die 3D-Gaussian-splatting-reconstructies in het wild verbetert door een geometrie-informeerd video-generator te gebruiken om artefacten zoals zwevende objecten en trillingen te elimineren, waardoor state-of-the-art prestaties worden behaald voor zowel offline als real-time interactieve 3D-toepassingen.
Dit paper introduceert een gesloten-lus SVE-gebeurtenisbeeldsysteem dat hoge-dynamischebereik-opnames en neuromorfe sensoren combineert om roet- en rookverstoord verbrandingsgedrag van brandstof in real-time en met microseconde-resolutie in 3D te kwantificeren.
Deze paper introduceert een methode voor hoogwaardige dynamische Gaussian Splatting vanuit monoculaire video's, waarbij SE(3) B-spline-bewegingsbasissen met een adaptief besturingsmechanisme worden gebruikt om continue vervormingen expliciet te modelleren en zo de prestaties bij het synthetiseren van nieuwe weergaven te verbeteren.
Het paper introduceert GIFT, een trainingsvrij raamwerk dat de rekenkosten voor video-interpretatie verlaagt door via een nieuwe 'irreplaceability'-score en een adaptieve strategie de meest cruciale frames te selecteren, wat leidt tot aanzienlijk betere prestaties dan uniforme steekproeven.
Z-Erase is de eerste methode die conceptverwijdering mogelijk maakt in single-stream diffusion transformers door een gestroomde ontkoppelingsframework en Lagrangiaans-gestuurde adaptieve modulatie te introduceren, waardoor het probleem van generatie-inzakking wordt opgelost en de prestaties op het state-of-the-art niveau worden gebracht.
Dit artikel introduceert Token-Reweighting (ToR), een strategie die de onderlinge afhankelijkheid van waarnemings- en redeneertokens in multimodale taalmodellen expliciet modelleert om de prestaties van Reinforcement Learning with Verifiable Rewards (RLVR) te verbeteren en zo state-of-the-art resultaten te behalen op multimodale redeneerbenchmarks.
Dit paper introduceert Hierarchical Causal Dropout (HCD), een methode die kanaalniveau-sparsificatie en een Matrix-gebaseerde wederzijdse informatie-objectief combineert om causale kenmerken te scheiden van spurious features en zo de generalisatie buiten de verdeling (OOD) te verbeteren.