cape
PulseAugur coverage of cape — every cluster mentioning cape across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新的CAPE框架通过压缩攻击保护内容免受AI代理侵害
研究人员开发了CAPE，一个旨在通过利用上下文压缩来保护文本内容免受基于LLM的代理侵害的新型框架。CAPE将不可见的扰动注入内容中，当代理压缩文本以适应其上下文预算时，会导致显著的信息丢失。该方法在保持人类可读性的同时，有效阻碍了代理的处理，与现有基线相比，信息丢失率提高了75.8%。
-
新的CAPE框架为文档布局提供空间化接地解释
研究人员开发了CAPE，一个旨在为空间化文档布局生成自然语言解释的新框架。该系统将其解释基于文档的语义内容及其布局派生的空间上下文。CAPE识别关键的空间模式，如簇、子组和异常值，以创建多级上下文表示，从而实现AI驱动的概述和用户驱动的探索。用户研究表明，与仅基于内容的基线相比，这些空间化接地解释在理解文档布局组织方面更有帮助。
-
MuNet通过新颖的互惠网络推进3D人体重建
研究人员推出MuNet，这是一种新颖的互惠网络，旨在从单张图像中联合执行3D人体网格恢复和3D服装人体重建。该统一框架利用了这两项任务之间的相互依赖性，网格恢复指导重建，重建反馈完善网格。MuNet在训练期间利用图卷积网络和互惠机制进行相互作用。在六个基准数据集上的评估表明，MuNet在两项任务上均取得了最先进的性能，并且其代码已发布供研究使用。
-
ETCH-X 和 OmniFit 通过新方法推进带衣三维人体拟合
研究人员开发了 ETCH-X，一种将参数化人体模型拟合到带衣人体三维扫描的先进方法。这种新方法通过引入“贴合度感知”拟合范式来处理服装动力学，并利用 SMPL-X 扩展表达性，从而改进了其前身。ETCH-X 利用隐式密集对应而非显式标记来实现更高的鲁棒性和精细的细节，在各种数据集上取得了显著的性能提升。