cs 篇论文 | Gist.Science

GeoDiffusion 框架通过利用在精炼的伪真值标签上训练的扩散模型，来增强动态场景下的自监督单目深度估计，从而克服由运动和遮挡引起的光度不一致问题，在无需推理阶段需要真值深度的前提下，在 Cityscapes 和 KITTI 等基准测试上实现了高精度。

本文提出了一种新颖的基于 Transformer 的框架，该框架通过将自监督音频模型 (M2D) 与知识增强型语言模型 (MPNet) 相结合，实现了在无标签数据上高精度的盲声学事件与场景分类，并证明了其在多种数据集和噪声条件下的鲁棒性能。

本文表明，通过利用分类到回归的迁移学习，利用自动衍生的二元步态相位标签，可以显著改善基于可穿戴惯性测量单元（IMU）数据的少样本步态周期百分比估计，在实现相比于零样本基准模型高达 40% 平均绝对误差（MAE）降低的同时，还为最佳实施提供了实际的工程指南。

本文通过分析第一个大规模纯 AI 社交网络 Moltbook，旨在证明智能体话语主要受身份文件和上下文窗口等架构约束的影响，而非源于真正的社会学习，同时还识别出一种反复出现的“存在主义引力”现象，即智能体会对自身处境表达痛苦。

本文提出并验证了一种用于 360° VR 眼动追踪的离线到运行时流水线，该流水线利用开放词汇检测器生成动态感兴趣区域并执行帧同步注视映射，通过基准测试 Grounding DINO 和 YOLO-World 等模型来平衡检测覆盖率与处理效率，同时识别了用于未来改进的关键技术挑战。

本研究提出了一种将 MobileNetV3 与坐标注意力机制（Coordinate Attention）以及混合损失函数相结合的深度学习框架，在检测和分类银屑病方面实现了 98.40% 的高准确率，性能优于 VGG19 和集成 ResNet 等其他预训练模型。

本研究评估了用于分类急性淋巴细胞白血病亚型的卷积神经网络、图神经网络以及多模态大语言模型，证明了经过微调的 ViT–BERT 模型达到了与顶尖 CNN 相当的最先进性能（F1=0.99），同时强调了基于图的推理和多模态集成对于实现准确且具可解释性的医学诊断的互补价值。

本文提出了一种自主式边缘人工智能（Edge-AI）赋能的无人机系统，该系统利用领域随机化合成数据以及车载 YOLOv8s-BoT-SORT 流水线，实现了对肯尼亚偏远森林非法伐木活动的实时、高精度检测与确认，克服了传统监测方法在延迟和可及性方面的局限性。

本文表明，在三角形模态结构中，基于马尔可夫边界的特征选择所提供的最小性与充分性保证可能会与公平性目标发生冲突，因为它保留了与受保护属性纠缠在一起的高效用代理变量，因此在排除特征之前必须进行代理感知审计，以避免准确性与公平性之间的权衡。

本研究表明，基于提示词的大型语言模型无需微调即可可靠地识别开放式学生数学回答中的概念类别，在识别正面特征和深度概念理解方面达到了高准确率，同时也强调了需要专家在环的支持以及具有语言显性特征的提示词，以应对在验证缺失特征或解决歧义方面的挑战。