在本文中，我们提出了单个图像飞机的金字塔融合暗通道先验（PF-DCP）。基于众所周知的深色通道先验（DCP），我们通过在多尺度图像的金字塔上采用DCP算法来引入一种简单而有效的方法PF-DCP，以减轻斑块大小选择的问题。在这种情况下，我们通过在每个级别上融合传输图以恢复高质量的无雾图图像来获得最终的传输图 ...
Dimage Dehazing旨在从朦胧的图像中恢复未腐烂的内容。而不是利用传统的低级或手工制作的图像先验作为修复约束，例如 ...
我们提出Dexumi-一个数据收集和政策学习框架，该框架将人的手作为自然界面，将灵活的操纵技能转移到各种机器人手中。 Dexumi包括硬件和软件改编，以最大程度地减少人手和各种机器人手之间的实施差距。硬件改编使用可穿戴的手部骨骼桥接运动学差距 ...
故事是人类文化的核心，有助于分享思想，维护传统和促进联系。自动故事生成是人工智能（AI）的关键进步（AI），为创建个性化内容，探索创意和增强互动体验提供了新的可能性。但是，现有的方法难以维持叙事连贯性和逻辑一致性 ...
多模式大型语言模型中的视觉 Token 通常会主导巨大的计算开销，因为与语言方式相比，它们的长度过长。最近的大量方法旨在解决 Token 修剪解决这个问题的问题，该方法首先定义了 Token 的重要性标准，然后在推断过程中修剪了不重要的视觉 Token 。但是，在本文中，我们表明，重要性不是决定是否应该修剪 Token 的理想指标 ...
在3D计算机愿景中，尤其是在自主驾驶社区中，占用估计已成为一项重要任务。在本文中，我们提出了一种新颖的占用估计方法，称为高斯花花量，该方法的灵感来自高斯裂纹，并用稀疏的3D高斯表示代替了传统的密集素网格。我们基于高斯 Transformer 的有效模型体系结构通过消除对基于低效率的体素表示的昂贵3D卷积的需求，从而大大降低了计算和内存需求，这些卷积主要代表空的3D空间 ...
蛋白质设计是当天的巨大挑战，涉及对健身景观的优化，而领先的方法采用了一种基于模型的方法，在该方法上，在训练集（蛋白质序列和健身）上训练了模型，并建议候选人接下来探索。这些方法受到训练集中高素质样本的稀疏性的挑战，这是文献中存在的问题。一个不太认识但同样重要的问题源于设计空间中训练样本的分布：领先的方法不是为不仅在训练数据中代表不足的区域中设计的，而训练数据中所需的最佳距离也不是远离高度代表的低拟合 ...
尽管大型语言模型（LLMS）在各种用例中都看到了能力和应用的前所未有的进步，但这些模型的安全对准仍然是积极研究的领域。 LLM的脆弱性质，即使是经过广泛对齐和安全培训制度的模型，也可以通过无培训，推理时间方法进行其他安全转向步骤。尽管机械解释性领域的最新工作调查了潜在表示空间中的激活如何编码概念，然后进行了代表工程以在LLM输出中诱导此类概念，但这种适用于安全性的适用性相对探索 ...
