Google（谷歌）

Segmenting, Fast and Slow: Real-Time Open-Vocabulary Video Instance Segmentation with Dual-Path Processing

分割，快与慢：双路径处理的实时开放词汇视频实例分割

Luca Barsellotti, Martin Sundermeyer, Mattia Segu, Nikita Araslanov, Muhammad Ferjad Naeem, Marcella Cornia, Yongqin Xian, Maxim Berman

机构 * Google TU Munich（谷歌慕尼黑分校） ； Munich Center for Machine Learning University of Modena（慕尼黑机器学习中心莫德纳大学） 纠错

AI总结 提出SegFS双流快慢框架，通过稀疏关键帧的开放词汇对象模型预测实例表示，并在特征空间条件化轻量快速网络，实现高效时域传播，在保持分割性能的同时将延迟降低至MOBIUS的1/14。

Comments ECCV 2026

Generative Modeling of Quantum Distribution with Functional Flow Matching

基于函数流匹配的量子分布生成建模

Jaehoon Hahm, Tak Hur, Joonseok Lee, Daniel K. Park

机构 * Graduate School of Data Science, Seoul National University, Seoul, Korea（首尔国立大学数据科学研究生院） ； Department of Statistics and Data Science, Yonsei University, Seoul, Korea（延世大学统计与数据科学系） ； Department of Applied Statistics, Yonsei University, Seoul, Korea（延世大学应用统计系） ； Google Research, Mountain View, California, United States（谷歌研究） 纠错

AI总结 提出量子流匹配（QFM）模型，利用自旋Wigner函数和函数流匹配学习多量子比特量子分布，有效捕获物理量如纯度、纠缠熵。

Comments Accepted as an extended abstract at the Quantum Techniques in Machine Learning (QTML) 2024