SkipGS: Post-Densification Backward Skipping for Efficient 3DGS Training
SkipGS 提出了一种视图自适应的后向跳过机制,通过在后稠密化阶段根据视图损失动态跳过冗余的反向传播,在保持重建质量的同时显著缩短了 3D 高斯泼溅的训练时间。
7664 篇论文
SkipGS 提出了一种视图自适应的后向跳过机制,通过在后稠密化阶段根据视图损失动态跳过冗余的反向传播,在保持重建质量的同时显著缩短了 3D 高斯泼溅的训练时间。
本文提出了一种基于扩散模型的多模态认证框架,通过联合利用原始模板、打印图案及打印机签名特征,将认证任务转化为打印机分类问题,从而有效区分高质量伪造品与真品并提升泛化能力。
该研究评估了 AI 代理生成微服务的能力,发现尽管其生成的代码质量较高且能较好遵守 API 契约,但在功能正确性上仍存在不一致性,表明完全自主的微服务生成尚未实现。
该研究通过 70 名老年人的实验发现,语音助手的高宜人性虽能提升日常场景下的信任与喜爱度,但在紧急情境中清晰度更为关键,且宜人性与感知智能相互独立,表明面向老年人的 AI 解释需结合个性、情境与受众进行个性化平衡。
本文介绍了 Lockbox,这是一种专为满足严格企业安全与治理要求而设计的零信任架构,旨在通过全生命周期的显式信任验证、强隔离及最小权限原则,确保敏感云工作负载(包括 AI 辅助处理)的安全处理。
本文提出了 ImpedanceDiffusion 框架,通过结合图像条件扩散模型进行全局路径规划、人工势场法实现反应式跟踪以及基于视觉语言模型检索增强生成的语义感知可变阻抗控制,实现了无人机群在杂乱室内环境中无需显式建图即可安全、高效且自适应的协同导航。
本文从新西兰视角出发,分析了软件工程会议面临的地理距离、高昂差旅费及日程冲突等参与障碍,并提出了混合参会模式、成本优化选址及治理改革等策略,以促进全球研究社区的公平参与。
该论文首次将 NVIDIA GPU 的 FP64 张量核心与核融合优化相结合,显著加速了 MFEM 库中的高阶有限元模拟,在 Alps 系统近万张 GPU 上实现了卓越的扩展性,并成功应用于 2025 年戈登·贝尔奖获奖的海啸实时预报应用。
本文提出了一种结合符号执行、大语言模型路径优先化与深度学习分类的混合分析框架,通过形式化验证与实验证明,该框架能有效检测传统及 AI 生成的零日恶意软件,在 AI 生成样本上取得了显著优于现有基线的检测准确率。
该论文首次证明了定向图的跨度比紧确界为 5,从而解决了此前该值介于 4 到 7 之间的未决问题。
本文介绍了一种基于开源 XLeRobot 构建、成本低于 1300 美元的双臂移动操作机器人平台,其通过优化的机械结构、隔离电机干扰的三总线供电拓扑以及搭载 NVIDIA Jetson Orin Nano 的嵌入式自主系统,实现了无需外部依赖的遥操作、SLAM 导航及视觉驱动操作。
本文提出了 SpectralDiff 框架,通过引入结构化频谱扰动引导扩散过程以抑制多方向雨纹,并设计全积 U-Net 架构利用卷积定理提升计算效率,从而在保持紧凑模型的同时实现了高效的单图像去雨效果。
该研究通过分析 12 万条 Reddit 创意社区讨论,揭示出生成式 AI 素养并非静态的理论概念,而是一种以实践技能为核心、随重大事件动态演变的有机过程,呼吁相关方据此制定更贴合社区需求的资源与政策。
该研究提出了一种基于增强型 YOLOv8 的双模型框架,通过结合火/烟实例分割与 COCO 预训练目标检测,实现从火灾识别到基于像素距离换算的实时风险量化评估,从而在工程现场提供可部署的智能火灾预警与态势感知系统。
本文提出了一种无需人工标注的框架,通过利用语言模型从互联网视频中自主获取数据、生成训练免费的跨模态标签并结合物理约束进行轨迹优化,实现了 UAV 的 3D 轨迹估计与分类,并在零样本迁移实验中展现出随数据规模增长而持续提升的鲁棒性能。
本文提出了一种利用自动驾驶车辆在空载工况下主动激发高滑移率以估算峰值轮胎 - 路面摩擦系数的控制框架,通过结合简化的魔术公式模型、考虑安全约束的最优控制策略及基于分箱的统计投影方法,实现了在保障行车安全的同时对路面摩擦特性进行高精度、可扩展的评估。
该论文提出了一种结合深度随机 Koopman 算子模型、分层验证机制(并行物理仿真与 SOS 规划)及模型预测路径积分控制器的新型风险约束运动规划框架,旨在为运动和环境不确定性下的机械臂在复杂非凸环境中生成具备形式化碰撞风险保证的安全高效轨迹。
OmniEdit 是一种无需训练的框架,通过用目标序列替代 FlowEdit 中的编辑序列并消除生成过程中的随机性,实现了高效且稳定的唇形同步与音视频编辑。
本文提出了一种名为“事件中心因果思维链”的新框架,通过物理驱动的事件链推理和过渡感知跨模态提示两个核心模块,将物理现象分解为因果相连的动态事件序列,从而显著提升了视频生成模型在物理合理性方面的表现。
本文提出了一种结合大语言模型裁判与人工评估的双重验证框架,通过链式思维提示从自然语言需求自动生成 UML 类图,并验证了包括 GPT-5 在内的多种先进大语言模型在生成质量及评估可靠性方面与人类专家的高度一致性。