CatalyX
PulseAugur coverage of CatalyX — every cluster mentioning CatalyX across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
图像增强技术被测试为深度学习图像检索系统的生成器
本文介绍了一种利用图像增强技术作为测试生成器来测试深度学习图像检索系统的新方法。该研究对50种增强方法进行了分类，并实证评估了它们在生成多样化测试用例方面的有效性。使用Amazon Titan和OpenCLIP模型在CIFAR-10、ImageNet-1K和March Networks数据集上进行的实验表明，天气模拟和SaSPA技术在保持真实性的同时，产生了最高的嵌入不确定性和故障率。相反，基于GAN的增强由于合成伪影而显示出较低的真实性。
-
新的SlotNarrative接口提高了视频-LLM的令牌效率
研究人员推出了一种名为SlotNarrative的新型接口，旨在提高视频大型语言模型（Video-LLMs）的令牌效率。该系统使用紧凑的对象状态令牌将视频组织成持久化对象叙事，这些令牌代表对象在不同片段中的身份及其状态（外观、几何形状、可见性、轨迹）。与之前压缩逐帧特征的方法不同，SlotNarrative首先将视觉特征分组到类似对象的槽中，然后通过无参数内存将重复的观察与剪辑级条目关联起来。这种方法为冻结的Video-LLM分配了固…
-
新的CDIS框架增强了机器人的三维实例分割能力
研究人员开发了一个名为CDIS的新框架，用于类别无关的三维实例分割。这种零样本方法跨帧跟踪二维实例掩码，并将其与三维超点关联起来，在二维和三维之间创建了一个反馈循环。该方法旨在为在未知环境中运行的机器人系统生成更一致、更准确的三维实例标签，并在实验中超越了现有的最先进方法。
-
SuperFlex框架通过新颖的变形增强点云分解能力
研究人员推出了一种先进的点云分解为超二次曲面表示的框架SuperFlex。该新方法通过引入弯曲和锥度变形，显著提高了重建精度，能够更忠实地表示弯曲和不对称的几何形状。SuperFlex的高质量分解还被用于训练一个模型，该模型在处理部分真实世界点云时表现出鲁棒性，优于现有的基于优化和学习的方法。
-
DivRL框架解决了图像生成的身份-多样性悖论
研究人员开发了一个新的训练后框架DivRL，以解决主体驱动图像生成中的“身份-多样性悖论”。当保持强大的身份一致性导致输出多样性较低时，就会出现这种悖论。DivRL使用解耦的视觉特征同时优化身份一致性和结构多样性。该框架引入了用于多样性的负自相似度量（nSSM）和用于身份的视觉语义匹配（VSM）。通过将VSM视为门控约束，DivRL惩罚违反身份阈值的样本，从而能够联合改进nSSM和VSM。
-
新框架通过可验证的基础模型增强机器人安全性
研究人员开发了FEARL，一个旨在使基础模型在机器人控制方面更安全。FEARL将机器人的策略分为用于感知和推理的大型“控制器”和一个处理关键安全约束的小型“安全”模块。这种模块化方法允许使用现有工具对安全模块进行形式化验证，而不会牺牲控制器的表达能力。该框架已在模拟机器人环境中进行了测试，并成功转移到物理机器人上，证明了其在实际应用中的潜力。