NYUv2
PulseAugur coverage of NYUv2 — every cluster mentioning NYUv2 across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
LingBot-Vision 使用掩码边界建模进行自监督预训练
研究人员推出了一种新的自监督预训练方法LingBot-Vision，该方法专注于掩码边界建模。这种方法通过迫使模型重建特定的边界区域而不是随机斑块来提高性能。在评估中，LingBot-Vision 在NYUv2线性探测中取得了0.296的RMSE，优于DINOv3-7B，但在ImageNet分类和ADE20K分割任务上表现落后。该方法提供的权重有四种尺寸，采用Apache-2.0许可证。
-
蚂蚁集团凌波发布具身AI模型套件，包括世界动作和视频生成
蚂蚁集团凌波科技发布了一系列旨在推进具身AI和机器人技术的新模型。LingBot-VA 2.0被呈现为首个具身原生世界动作模型，从根本上为物理世界交互而设计，而非改编数字世界模型。与之相辅的是LingBot-World 2.0，一个能够进行长达一小时生成的实时交互式世界模型，并整合了AI代理机制以实现动态交互。此外，LingBot-Video，一个基于MoE的视频生成模型，针对具身AI任务进行了优化，在机器人基准测试中表现优于现有模型…
-
新框架ReLiF改进了多任务学习中的公平性评估
研究人员开发了一个名为ReLiF的新框架，以解决多任务学习（MTL）中Lipschitz公平性评估的问题。该框架引入了固定delta审计，它使用共享的参考容差来跨不同算法进行一致的比较。在临床和密集预测基准上的实验表明，ReLiF可以揭示可能被依赖于方法的阈值所掩盖的效用-公平性权衡。
-
SA4Depth 改进了自监督单目深度估计
研究人员推出 SA4Depth，这是一种增强自监督单目深度估计的新方法。该方法侧重于改进来自独立深度和姿态网络尺度的对齐，这是先前工作中经常被忽视的关键因素。通过重投影视觉特征和优化姿态估计，SA4Depth 在不增加推理时间的情况下确保了序列间一致的场景尺度预测。该技术无缝集成到现有流程中，并在 KITTI、Cityscapes 和 NYUv2 等基准数据集上显著提高了深度估计的准确性。
-
开源图像编辑器展现出惊人的零样本视觉能力
研究人员评估了三个开源图像编辑模型——Qwen-Image-Edit、FireRed-Image-Edit 和 LongCat-Image-Edit——在没有任何微调的情况下进行零样本视觉学习的能力。研究发现，这些模型在深度估计、表面法线估计和语义分割等任务上表现出显著的视觉理解能力。值得注意的是，FireRed-Image-Edit 在表面法线估计任务上的表现与一个指令微调模型相当，而 Qwen-Image-Edit 和 LongC…