每日论文

Paper2Code：从机器学习科学论文中自动化生成代码

Step1X-Edit：一个用于通用图像编辑的实用框架

RefVNLI：旨在对主体驱动的文本到图像生成进行可扩展的评估

打破模态壁垒：基于多模态大型语言模型的通用嵌入学习

视觉-语言模型中的视角感知推理：通过心理意象模拟

DiMeR: 解耦网格重建模型

Token-Shuffle：利用自回归模型实现高分辨率图像生成

QuaDMix：用于高效 LLM 预训练的质量-多样性平衡数据选择

处理能思考的奖励模型

3DV-TON：通过扩散模型实现的纹理 3D 引导的一致视频试穿

通过联合图像特征合成提升生成图像建模

DyMU：用于高效 VLM 的动态合并与虚拟解合并

TimeChat-Online：在流视频中 80% 的视觉 Token 天然冗余

IberBench：在伊比利亚语言上的 LLM 评估

ViSMaP：通过元提示实现的无监督长时视频摘要

蒸馏用于自回归图像生成的语义感知序列

动态镜头以及何处寻找

利用高斯加权线性变换的可解释非线性降维