SlideBench
PulseAugur coverage of SlideBench — every cluster mentioning SlideBench across labs, papers, and developer communities, ranked by signal.
-
SliderEdit++ 通过更平滑、更快的滑块控件增强图像编辑功能
研究人员推出了 SliderEdit++,这是基于指令的图像编辑领域的一项进展,可提高滑块控件的可靠性和平滑度。该新方法解决了现有基于滑块的编辑技术中普遍存在的视觉跳跃突兀和非单调变化等问题。通过对中间编辑轨迹进行正则化处理,而不仅仅是端点,SliderEdit++ 提供了更可预测的滑块遍历,并减少了编辑之间的干扰。该方法还显著加快了编辑过程,速度比以前的方法快约 3 倍到 20 倍。
-
新的AI模型增强了幻灯片生成和图像编辑能力
研究人员开发了用于生成和编辑演示文稿幻灯片的新方法,解决了当前AI模型的局限性。其中一种方法InfoVis是一个统一的9B参数模型,在超过1300万条持续预训练记录和190万条监督微调记录上进行了训练。它引入了VisSlideBench,一个包含1527个实例的基准测试,并在各种指标上表现出色,尽管在美观质量方面仍落后于专有模型。另一项开发SliderEdit++专注于通过增强滑块轨迹以实现更平滑和可预测的控制来改进基于指令的图像编辑…
-
PathSelect框架为视觉-语言模型实现高效的WSI处理
研究人员开发了PathSelect,一个用于高效处理包含数吉像素的整个切片图像(WSIs)与视觉-语言模型的新型框架。该方法将标记剪枝重新构建为序列选择过程,使模型能够自主学习最优路由策略,而不是依赖于静态启发式方法。PathSelect作为主动插件集成到SlideChat基础模型中,冻结幻灯片编码器和大型语言模型,同时引入可微分的Soft Top-K算子和对角线注意力去噪器来管理训练过程中的梯度。在推理时,PathSelect被分离…
-
PathSelect框架解决了视觉语言模型处理WSI的难题
研究人员开发了PathSelect,一个新颖的框架,旨在解决使用视觉语言模型(VLMs)处理千兆像素全切片图像(WSIs)的计算挑战。PathSelect将令牌剪枝重新构建为顺序选择过程,使模型能够学习最优路由策略,而不是依赖静态启发式方法。该方法在训练期间使用带有噪声调制的微分Soft Top-K算子,在推理时使用确定性Hard Top-K算子,显著降低了令牌选择的延迟,并在SlideBench (TCGA)等基准测试中取得了高精度。
-
新方法学习稀疏化图像令牌以实现高效的 AI 推理
研究人员开发了一种新颖的方法,通过将令牌缩减视为一个可训练的稀疏化问题,来处理视觉语言模型中的 Gigapixel 全切片图像。这种方法在新的 arXiv 论文中有所详述,它允许模型学习视觉令牌的最佳选择策略,这与之前使用非训练下采样或启发式剪枝的方法不同。提出的解耦路由架构和 SparseLearn 组件能够通过剪枝过程进行梯度传播,最终在推理过程中以最小的计算开销将视觉序列缩减为稀疏的 32 个令牌。该技术在 SlideBench…