时间序列分析见证了从传统自动回归模型，深度学习模型到最近的变形金刚和大型语言模型（LLMS）的鼓舞人心的发展。在利用时间序列分析的视觉模型方面的努力也是在此过程中进行的，但由于该领域中的序列建模的主要研究，社区对社区的看法较低。但是，连续时间序列与LLM的离散 Token 空间之间的差异，以及在多元时间序列中明确建模变量相关性的挑战将一些研究的关注转移到了同样成功的大型视觉模型（LVM）和视觉语言 ...

最近，文本引导的可伸缩矢量图形（SVG）合成在诸如肖像和素描等领域中具有显着潜力。但是，从现有的文本到SVG方法产生的SVG通常缺乏可视化质量和多样性方面的编辑性和表现出缺陷。在本文中，我们提出了一种新型的文本引导矢量图形合成方法来解决这些局限性 ...

随着语言模型支持越来越大的上下文大小，评估其有效利用该环境的能力变得越来越重要。我们分析了多个代码生成模型使用多个多步密钥检索任务在上下文Windows中最多为8K Token 的多个多步密钥检索任务处理远程依赖的能力。这些任务逐渐增加了难度，并且比流行的海景测试等测试更加细微地评估模型功能 ...

研究表明，在网络规模数据上预先训练的基础模型能够以任务规划的形式封装有利于机器人操作的广泛世界知识。然而，这些计划的实际物理实施通常依赖于特定于任务的学习方法，这需要大量的数据收集并且难以推广。在这项工作中，我们介绍了通过零件空间约束进行机器人操纵（ ...

神经普通微分方程是建模时间动力学的有吸引力的选择。但是，一个基本问题是，对普通微分方程的解决方案是由其初始条件决定的，并且没有基于后续观察结果调整轨迹的机制。在这里，我们演示了如何通过\ emph {受控微分方程}的数学理解的数学来解决 ...

大型语言模型（LLMS）在推进研究和社会领域方面具有巨大的潜力。但是，当前的LLMS社区过于集中于分析特定基础技能的基准（例如 ...

面部表达发现是微表达分析的初步步骤。目前尚未解决在视频序列中可靠发现此类表达式的任务。当前的最佳系统取决于光流方法来提取区域运动特征，然后将该运动分为特定的面部运动 ...

微表达识别变得具有挑战性，因为很难提取微表达的微妙面部变化。最近，几种方法提出了几种表达共享的特征算法，用于微表达识别。但是，它们并未揭示特定的判别特征，从而导致次优性能 ...