多模态大模型

UFM: A Simple Path towards Unified Dense Correspondence with Flow

UFM: 一种通往统一密集对应关系的简单路径：流

Yuchen Zhang, Nikhil Keetha, Chenwei Lyu, Bhuvan Jhamb, Yutian Chen, Yuheng Qiu, Jay Karhade, Shreyas Jha, Yaoyu Hu, Deva Ramanan, Sebastian Scherer, Wenshan Wang

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

专题命中 其他多模态 ：multi-modal(abstract)；分类 cs.CV

AI总结 UFM通过统一训练方法在密集对应关系任务中实现了更高的准确性和效率，优于专门方法。

Comments Project Page: https://uniflowmatch.github.io/

Tail-Aware Density Forecasting of Locally Explosive Time Series: A Neural Network Approach

尾敏感的局部爆炸性时间序列密度预测：一种神经网络方法

Elena Dumitrescu, Julien Peignon, Arthur Thomas

专题命中 其他多模态 ：multimodal(abstract)

AI总结 本文提出一种基于神经网络的混合密度网络，用于预测具有局部爆炸性行为的时间序列，通过偏态t分布和自适应加权方案提升极端区域的密度估计精度。