Deep Residual Learning for Image Recognition
Giải Best Paper chính thức · NguồnCác kết nối tắt giúp mạng học phần thay đổi so với đầu vào, hỗ trợ tối ưu hóa mạng sâu.
BÀI BÁO HỘI NGHỊ
Đọc các công trình AI có nguồn xác minh, duyệt theo hội nghị, năm và ghi nhận. Giải thưởng chính thức có dẫn nguồn; EyeCode Pick là tuyển chọn biên tập riêng.
DANH MỤC HỘI NGHỊ
THƯ VIỆN BÀI BÁO
Các kết nối tắt giúp mạng học phần thay đổi so với đầu vào, hỗ trợ tối ưu hóa mạng sâu.
Transformer dùng attention để mô hình hóa chuỗi mà không cần mạng hồi quy hoặc tích chập.
Tách ước lượng chuyển động nhanh và lập bản đồ chậm hơn để kết hợp dữ liệu LiDAR trong thời gian thực.
Nghiên cứu đếm các đối tượng khó phân biệt trong cảnh dưới nước và giới thiệu bộ dữ liệu IOCfish5K.
Bài báo nghiên cứu mức độ cô đọng của Transformer khi biểu diễn ngôn ngữ hình thức. Các chứng minh so sánh kích thước biểu diễn với automata và logic thời gian, đồng thời chỉ ra độ khó của việc kiểm chứng mô hình.
Nghiên cứu kiểm tra vì sao mô hình ngôn ngữ gặp khó khăn khi yêu cầu được cung cấp qua nhiều lượt hội thoại. Phương pháp mô phỏng tách năng lực giải bài toán khỏi độ tin cậy và phân tích ảnh hưởng của những giả định hình thành quá sớm.
Polar Express giải bài toán phân rã cực của ma trận trong bộ tối ưu Muon. Phương pháp chọn đa thức qua bài toán minimax, sử dụng phép nhân ma trận phù hợp GPU và phân tích sai số trong tính toán độ chính xác hữu hạn.
Bài báo phân tích hiện tượng căn chỉnh an toàn chỉ tập trung vào vài token đầu của câu trả lời. Các thí nghiệm và mục tiêu fine-tuning có điều chuẩn khảo sát cách kéo dài hành vi an toàn và hạn chế sự suy giảm sau fine-tuning.
In-Run Data Shapley đánh giá đóng góp của dữ liệu đối với một lần huấn luyện cụ thể. Phương pháp tích lũy giá trị Shapley của các bước cập nhật gradient, tránh phải huấn luyện lại mô hình trên nhiều tập con dữ liệu.
SAM 2 mở rộng phân đoạn theo prompt từ ảnh sang video. Kiến trúc Transformer với bộ nhớ dạng streaming kết hợp quy trình thu thập dữ liệu có tương tác, giúp theo dõi vùng được chỉ định qua các khung hình.
Bài báo khảo sát việc tăng độ sâu mạng trong học tăng cường tự giám sát theo mục tiêu. Các thí nghiệm locomotion và manipulation phân tích cách kiến trúc sâu, kết nối residual và quy mô huấn luyện ảnh hưởng đến hành vi đạt mục tiêu.
Nghiên cứu phân biệt thời điểm mô hình diffusion bắt đầu sinh mẫu hữu ích và thời điểm ghi nhớ dữ liệu huấn luyện. Thí nghiệm cùng mô hình random features phân tích cách động lực học tối ưu tạo ra một khoảng huấn luyện có khả năng khái quát hóa.
STDE xử lý chi phí tính các toán tử vi phân bậc cao trong mạng neural. Phương pháp kết hợp Taylor-mode automatic differentiation với ngẫu nhiên hóa phép co tensor để ước lượng toán tử, phục vụ các bài toán như physics-informed neural networks.
Bài báo xem lại conformal prediction từ góc nhìn Bayesian để đánh giá rủi ro khi triển khai mô hình. Bayesian quadrature được dùng để biểu diễn phân phối tổn thất có thể gặp, thay vì chỉ dựa vào bảo đảm tần suất.
D4RT kết hợp ước lượng độ sâu, tương ứng không-thời gian và tham số camera từ video động. Một giao diện truy vấn điểm thống nhất thay thế nhiều decoder theo tác vụ, giúp khảo sát tái dựng cảnh 4D bằng mạng feed-forward.
SSS xem lại biểu diễn hỗn hợp trong 3D Gaussian Splatting. Các phân phối Student có mật độ dương và âm cùng phương pháp lấy mẫu tối ưu hóa mới cho phép nghiên cứu biểu diễn cảnh ngoài giả định Gaussian thông thường.
Bài báo nghiên cứu hệ quang học có thể lấy nét ở các độ sâu khác nhau theo từng vị trí ảnh. Lohmann lens và bộ điều biến ánh sáng pha kết hợp ước lượng contrast, disparity để điều chỉnh bản đồ lấy nét.
OmniRetarget chuyển động tác người sang robot humanoid bằng cách bảo toàn quan hệ giữa cơ thể, vật thể và địa hình. Interaction mesh cùng ràng buộc động học tạo dữ liệu chuyển động và tăng cường dữ liệu cho loco-manipulation.
MAC-VO đưa độ không chắc chắn theo đơn vị đo vào visual odometry stereo. Covariance được học phục vụ chọn keypoint và gán trọng số residual, liên kết độ tin cậy của phép ghép ảnh với tối ưu pose graph.
Nghiên cứu điều khiển chọn lọc các bộ truyền động cơ xương trong robot sinh học–cơ điện. Điện cực màng mỏng dạng đan xen được tối ưu để kích thích những vùng cơ khác nhau, hỗ trợ phối hợp nhiều đơn vị truyền động.
Chưa có bài báo đã xác minh phù hợp với bộ lọc này. Hãy chọn hội nghị, năm hoặc loại bài báo khác.