XiaoMi-AI文件搜索系统
World File Search Systempapers
![arxiv：2412.04469v1 [CS.CV] 2024年12月5日-NIPS Papers](/simg/d/d2c25b9caa37938f66dbb4fdda58fd675645fcf3.webp)
arxiv：2412.04469v1 [CS.CV] 2024年12月5日-NIPS Papers
在线免费视频视频（FVV）流是一个具有挑战性的问题，相对探索。它需要对体积表示，快速训练和渲染以满足实时限制的逐步更新，并需要少量的内存足迹，以进行有效的传输。如果实现了，它可以通过启用新颖的应用程序来增强用户体验，例如，3D视频会议和实时体积视频广播等。在这项工作中，我们提出了一项新颖的框架，用于使用3D高斯脱落（3D-GS）进行量化和高效编码（Queen）用于流式FVV。Queen直接在每个时间步长的连续框架之间直接了解高斯属性，而无需对它们施加任何结构性约束，从而允许高质量的重建性和普遍性。为了有效地存储残差，我们进一步提出了一个量化 - 表格性框架，其中包含一个学识渊博的潜在码头编码器，用于有效地量化除高斯位置以外的属性残差和学习的门控模块以稀疏位置残留物。我们建议将高斯视图空间梯度差矢量作为信号，以分离场景的静态和动态内容。它是有效的稀疏学习和加快训练加快训练的指南。在不同的FVV基准测试方面，女王的表现优于所有指标的最新在线FVV方法。值得注意的是，对于几个高度动态的场景，它将模型大小降低到仅0。每帧在5秒钟以下训练时每帧7 MB，并以约350 fps的形式渲染。
征文时间：2025 年 9 月 22 日至 26 日，法国图尔
• 数值和实验研究，包括气动热力学、稳定性转变湍流、SWBLI、MHD、气体物理和化学、辐射物理、流体结构相互作用和破坏性再入 • 数值和实验热研究，包括被动和主动传热、再生、蒸发、烧蚀、热解、吸热分解…… • 先进的建模和计算技术：开发和验证 • 多学科技术和模型：流体结构相互作用、共轭传热、CFD/柔性和刚体动力学
棱镜对准数据集：什么参与性-NIPS论文
人类反馈是大语言模型（LLMS）的一致性的核心。但是，关于方法，域（Who），人（WHO）和目标（到什么目的）的方法（如何），反馈过程的开放问题仍然存在。为了浏览这些问题，我们介绍了P rism，该数据集绘制了来自75个国家 /地区的1,500名不同参与者的偏好，并在8,011个现场对话中以21 llms的方式表示偏好。使用P RISM，我们贡献了（i）更广泛的地理和人口参与反馈； （ii）两个国家的人口普查代表样本（美国，美国）； （iii）与详细参与者概况相关的个性化评级，允许样本人工制品的个性和归因。我们针对具有价值和有争议的问题的主观和多元文化观点，我们期望人际关系和跨文化分歧。我们在三个案例研究中使用P RISM来证明需要仔细考虑人类提供哪些对齐数据的需要。
音频学习专家的混合物 - NIPS论文
随着多媒体技术的快速发展，视听学习已成为多模式分析领域中有前途的研究主题。在本文中，我们探讨了视听学习的参数有效传输学习，并提出了专家的视听混合物（AVMOE），以灵活地将适配器注入预训练的模型中。具体来说，我们将单峰和跨模式适配器作为多个专家介绍，分别专门研究模式内和模态信息，并采用轻巧的路由器根据每个任务的特定需求动态分配每个专家的权重。广泛的实验表明，我们提出的方法AVMOE在包括AVE，AVVP，AVS和AVQA在内的多个视听任务中取得了卓越的性能。此外，仅视觉实验结果还表明，我们的方法可以解决丢失模态信息的具有挑战性的场景。源代码可从https://github.com/yingchengy/avmoe获得。
MLLMS的密集连接器-NIPS论文-Neurips 2024
我们是否充分利用多模式大语模型（MLLM）中视觉编码器的潜力？MLLM最近在多模式理解中的出色表现引起了学术界和行业的广泛关注。在当前的MLLM大鼠种族中，重点似乎主要是语言方面。我们目睹了较大和更高质量的指导数据集的兴起，以及大型LLM的参与。然而，很少关注的注意力指向MLLM使用的视觉信号，通常被认为是冷冻视觉编码器提取的最终高级特征。在本文中，我们介绍了密集的连接器 - 一种简单，有效且插件的视觉语言连接器，通过利用多层视觉特征来显着增强现有MLLM，并以最少的额外计算开销。在此基础上，我们还提出了有效的密集连接器，该连接器的性能与Llava-V1.5相当，只有25％的视觉令牌。此外，我们的模型仅在图像上进行了训练，还展示了视频理解中出色的零拍功能。各种视觉编码器，图像分辨率，训练数据集量表，不同尺寸的LLM（2.7b→70b）以及MLLM的不同架构（e。g。，llava-v1.5，llava-next和mini-gemini）验证了我们方法的多功能性和可扩展性，从而在19个图像和视频基准中实现了最先进的性能。我们希望这项工作将提供宝贵的经验，并成为未来MLLM开发的基本模块。代码可在https://github.com/hjyao00/denseconnector上找到。
Exentric到中心的视频生成-NIPS Papers
我们介绍了Exo2EGO-V，这是一种新颖的以外为中心为中心的基于质量扩散的视频生成方法，用于日常生活熟练的人类活动，其中稀疏4-视图中心的观点在现场周围配置了360°。由于外主和以自我为中心的观点和动态运动和现实世界中日常生活环境之间的显着差异，此任务尤其具有挑战性。为了应对这些挑战，我们首先提出了一种新的基于扩散的多视图外科编码器，以从多视图exentric视频中提取密集的多尺度功能，作为以自我为中心视频的外观条件。然后，我们在提供空间对立的自我中心特征之前设计了一个自以为是至中心的视图翻译，作为对以egipentric视频扩散模型的输入的串联指导。最后，我们将时间关注层引入我们的以自我为中心的视频扩散管道中，以改善温度一致性跨eg中心框架。广泛的实验表明，Exo2EGO-V从EGO-EXO4D数据集中显着超过SOTA方法，而LPIP的平均为35％。我们的代码和模型将在https://github.com/showlab/exo2ego-v上提供。
最后征稿
图像传感器设计和性能 CMOS 成像仪、CCD 成像仪、SPAD 传感器 全新颠覆性架构 全局快门图像传感器 低噪声读出电路、ADC 设计 单光子灵敏度传感器 高帧率图像传感器 高动态范围传感器 低压低功耗成像仪 高图像质量；低噪声；高灵敏度 改善的色彩再现 具有特殊数字处理的非标准彩色模式 片上成像系统、片上图像处理 基于事件的图像传感器 像素和图像传感器器件物理学 新器件和像素结构 先进材料 超小型像素开发、测试和特性描述 新器件物理学和现象 电子倍增像素和成像仪 提高 QE、阱容量、减少串扰和改善角度响应的技术 前照式、背照式和堆叠像素及像素阵列 像素模拟：光学和电气模拟、2D 和 3D、设计和模拟 CAD、改进的模型
科学论文的收集«Scientia
协作机器人技术是机器人技术的一部分，该机器人技术在执行各种技术操作和任务的过程中研究，研究和实践CPR在与人的互动（协作）中的应用。协作机器人（配件）是为共享工作区或人类和机器人直接接触的直接HR（人类机器人）交互而设计的机器人。协作机器人计划与传统的公关计划不同，在该计划中，机器人与与人类的接触隔离开来。是国际标准化组织定义的，配备机器人是一种机器人，可以在协作操作中使用，在协作操作中，机器人和人类在制造运营的定义工作空间中同时工作（这不包括机器人对机器人系统或同事，在不同时间工作的人和机器人）。协作（在工业机器人技术的背景下）是一个人和机器人实现设定目标的操作，行动或工作的共同绩效的过程。协作操作是CPR与人之间定义的动作顺序，因此，这导致了特定任务或工作的执行。协作技术系统（CTS）是一种技术系统，在该系统中，人们共同努力的CPR被用作通用的灵活自动化手段。协作工作空间是一个人的共享工作区和CPR，在其中进行协作操作。人类 - 机器人相互作用（人类 - 机器人相互作用HRI）是生活中各个方面的人与机器人之间相互作用的过程。但是