实体
Determinantal point process
Determinantal point process
PulseAugur coverage of Determinantal point process — every cluster mentioning Determinantal point process across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的3DZip框架大幅削减3D视觉模型的令牌数量
研究人员开发了3DZip，一个新颖的令牌压缩框架，旨在降低3D视觉语言模型（3D VLMs）的计算和内存开销。与以往关注语义相关性或2D视觉特征的方法不同，3DZip专门解决了3D数据的空间特性。该框架采用三阶段过程：粗粒度体素化、使用行列式点过程（Determinantal Point Process）进行特征空间多样性选择，以及基于空间约束的合并。这种方法使3DZip能够以显著更少的令牌保持高性能，从而在3D问答基准测试中实现更快的推理速度。
-
新的SEP-Attack方法增强了可迁移的对抗性文本攻击
研究人员推出了一种名为SEP-Attack的新方法，用于生成可迁移到不同模型的对抗性文本攻击。该方法利用行列式点过程（Determinantal Point Process）创建多样化的集成权重，从而提高子模型可迁移性的表示。SEP-Attack还采用了一种新的预测置信度评估指标，以更好地估计词语重要性并生成对抗性候选词，在多个数据集和真实世界API上的表现优于现有方法。