前景图评估对于衡量对象分割算法的进度至关重要，尤其是在归档的显着对象检测的提交中，目的是准确检测和分割场景中最显着的对象。已经利用了几种广泛使用的措施，例如曲线下的面积（AUC），平均精度（AP）和最近提出的FBW来评估非二元显着性图（SM）和地面真相（GT）图之间的相似性。这些措施基于像素的错误，通常忽略结构相似性 ...

时间序列预测的最新进步已经探索了具有文本或视觉方式的增强模型，以提高准确性。尽管文本提供了上下文理解，但通常缺乏细粒度的时间细节。相反，视觉捕获了复杂的时间模式，但缺乏语义上下文，从而限制了这些方式的互补潜力 ...

我们提出GTE，这是一种通用文本嵌入模型，该模型通过多阶段对比度学习训练。根据将各种NLP任务统一为单一格式的最新进步，我们通过对来自多个来源的各种数据集的混合物进行对比学习来训练统一的文本嵌入模型。通过在无监督的预训练和监督的微调阶段中显着增加培训数据的数量，我们对现有嵌入模型实现了可观的性能增长 ...

强化学习（RL）在机器人技术，游戏和模拟等各个领域都取得了成功。尽管RL代理在其特定任务中表现出令人印象深刻的功能，但它们不足以适应新任务。在监督学习中，大规模预训练，然后对新的下游任务进行微调来解决这个适应问题 ...

由于它们在各种自然语言处理任务中的关键作用，文本嵌入方法在工业和学术领域都变得越来越流行。大型语言模型（LLMS）应用程序（例如检索功能增强系统（RAGS））的兴起，通用文本嵌入的意义进一步强调了。尽管以前的模型试图成为通用，但它们通常很难跨任务和域进行概括 ...

将文本描述转换为音频的文本到音乐（TTM）一代，为多媒体创建开辟了创新的途径。在此过程中实现高质量和多样性需要广泛的高质量数据，这些数据通常在可用的数据集中很少。大多数开源数据集经常遭受低质量波形和低文本原告一致性等问题，从而阻碍了音乐生成模型的进步 ...

分子对接是计算生物学的关键任务，它引起了机器学习社区的兴趣。尽管现有方法取得了成功，但它们通常分离地处理每个蛋白质配对对。受生化观察的启发，即配体与相同靶蛋白的结合倾向于采用相似的姿势，我们提出\ textsc {groupbind}，这是一种新型的分子对接框架，同时考虑了多种配体对蛋白质的隔离 ...

图像恢复〜（ir）是一项基本的多媒体数据处理任务，对下游的视觉应用产生了重大影响。近年来，研究人员专注于开发能够处理多种降解类型的通用IR模型，从而降低了模型开发的成本和复杂性。当前的主流方法基于三个建筑范式：CNN，变形金刚和Mambas ...