Circinus
PulseAugur coverage of Circinus — every cluster mentioning Circinus across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新型PARGAR接收机通过图注意力机制提升5G/6G信号处理性能
研究人员开发了PARGAR，这是一种新颖的图注意力神经网络接收机，旨在改进5G NR和未来6G系统中的信号处理。该方法将正交频分复用（OFDM）资源网格建模为图，结合了局部时频连接和导频感知链接。PARGAR旨在增强信道估计和符号检测，尤其是在传统局部处理方法难以应对的稀疏导频布局场景中。使用Sionna模拟的评估表明，在某些稀疏导频场景下，PARGAR的比特误率低于基于卷积神经网络的接收机（如DeepRx），同时在密集导频场景下保持…
-
新系统利用人工智能和评论提高食品安全检查的准确性
研究人员开发了一个名为持续检查风险（CIR）的新系统，通过在有新数据可用时动态重新排序检查队列来改进食品安全检查。这种事件驱动的方法整合了历史检查数据和由语言模型分类的实时消费者评论，以更好地检测关键故障。在加利福尼亚州圣克拉拉县进行的评估表明，CIR 显著缩短了检测重大违规行为的时间，并提高了对害虫侵扰等严重问题的预测能力，其表现优于传统的批量调度方法。
-
FiRE 通过细粒度上下文学习增强多模态大语言模型以进行复杂图像检索 · 跟踪 3 个来源
研究人员开发了 FiRE，这是一种增强多模态大语言模型（MLLMs）以进行复杂图像检索任务的新颖方法。FiRE 引入了一种细粒度上下文学习策略，该策略涉及一个两阶段的微调过程，区分推理和检索目标。该方法还包括一个自动化的管道，用于构建专门针对组合图像检索（CIR）的综合数据集。实验表明，即使使用资源消耗较少的 MLLM 主干，FiRE 在零样本检索设置下的表现也显著优于现有方法。
-
无视觉CIR框架通过LLM重排增强图像检索
研究人员开发了一种新颖的无视觉组合图像检索（CIR）框架，这是一项复杂的跨模态任务。该方法利用属性增强混合评分来补偿文本表示中丢失的视觉细节，并采用基于LLM的重排来确保顶级结果之间的语义一致性。在CIRR数据集上的实验表明，与现有的零样本CIR方法相比，性能有了显著提升，R@1得分达到44.04%，提高了8.79%。在FashionIQ上的进一步分析突出了语义推理和细粒度视觉匹配之间的平衡，消融研究证实了两种提出技术都有效。
-
新框架CIR增强了AI模型在动态图上的鲁棒性
研究人员开发了一个名为CIR的新框架，旨在提高连续时间动态图（CTDG）表示学习方法的鲁棒性。现有方法在处理分布外偏移时常常遇到困难，而CIR通过使用一种新颖的结构因果模型（ICCM）来学习不变表示，从而解决了这个问题。该框架使用归一化加权几何平均值（NWGM）有效地近似干预预测，并包含一个环境记忆库来处理分布偏移，在各种分布外场景中表现出优越的性能。