Nevis
PulseAugur coverage of Nevis — every cluster mentioning Nevis across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
Nevis融资7000万美元B轮，用于AI财富管理
Nevis是一家总部位于纽约的初创公司，由前Revolut高管创立，已获得7000万美元B轮融资。本轮融资由EQT Ventures领投，Charles Schwab和QuantumLight参投。至此，Nevis的总融资金额达到1.1亿美元。
-
Nevis 融资 7000 万美元，利用 AI 应对财务顾问短缺 · 跟踪 1 个来源
由前 Revolut 高管创立的初创公司 Nevis 已获得 7000 万美元的 B 轮融资，用于开发旨在缓解预计财务顾问短缺问题的 AI 软件。该公司的平台利用 AI 自动化财务顾问的日常任务，使他们能够更专注于客户关系并管理更大的客户群。此轮融资使 Nevis 的估值为 5 亿美元，总融资金额达到 1.1 亿美元，新老投资者均参与了此次融资。
-
SetCon 通过集合级概念预测推动开放式指代分割
研究人员推出 SetCon，一种新颖的开放式指代分割方法，将任务重新表述为显式的集合级概念预测。与先前顺序处理多个目标的旧方法不同，SetCon 利用 LVLM 生成的自然语言概念进行联合掩码-集合解码。该方法首先预测一个共享的集合级概念来定义目标范围，然后将其细化为细粒度的概念组。SetCon 在 gRefCOCO 和 MUSE 等图像基准测试中取得了最先进的结果，并且随着指代目标数量的增加，性能提升也随之增加。该方法在视频分割任务…
-
新的EDRRM方法提高了视频对象分割的准确性和效率
研究人员开发了一种名为事件驱动刷新+循环记忆（EDRRM）的新方法，以提高指代视频对象分割的准确性和效率。该技术通过仅在视频的关键变化点选择性地重新调用分割过程，而不是在固定间隔进行，从而增强了Sa2VA等现有模型。EDRRM使用跟踪派生的线索来识别这些变化点，并采用具有CLIP相似性的循环记忆，在对象重新出现时重新锚定对象。在多个数据集上的实验表明，EDRRM实现了具有竞争力的准确性-效率权衡，在显著降低计算成本和误报的同时保持了高分。
-
新框架校准运动语义以用于视频对象分割
研究人员开发了一个名为表情驱动运动校准（EMC）的新框架，以改进指代视频对象分割（RVOS）。该方法显式地建模了表情与运动语义之间的关系，允许根据语义需求自适应地调整运动信息。EMC框架包括从表情中提取运动控制信号、校准运动线索贡献以及构建与表情相关的时态阶段的模块，以提高分割精度。在多个基准测试上的评估证明了该方法的优越性。
-
SetCon 提出通过集合级概念预测实现开放式指代分割
研究人员推出 SetCon，一种新颖的开放式指代分割方法，它将多个目标视为一个连贯的集合，而不是单独的输出。该方法将问题重新表述为显式的集合级概念预测，利用大型视觉语言模型 (LVLMs) 生成的自然语言概念。SetCon 首先预测一个广泛的集合级概念，然后将其细化为更细粒度的组，在图像和视频基准测试中取得了最先进的结果，尤其是在处理越来越多的指代目标时。