Harvard University（哈佛大学）

Visual General Intelligence: A White Paper

视觉通用智能：白皮书

Hirokatsu Kataoka, Yoshihiro Fukuhara, Yonglong Tian, Shangzhe Wu, Oishi Deb, Ryousuke Yamada, Christian Rupprecht, Jianyuan Wang, Kohsuke Ide, Koichi Namekata, Xianzheng Ma, Yiming Chen, Robert Geirhos, Aditi Raghunathan, Yuki M. Asano, Deva Ramanan, David Fouhey, Andrew J. Davison, Yilun Du, Jiajun Wu, Zhuang Liu

机构 * National Institute of Advanced Industrial Science and Technology (AIST)（日本国立先进工业科学技术研究所（AIST）） ； Visual Geometry Group (VGG), University of Oxford（牛津大学视觉几何组（VGG）） ； CADDi（CADDi公司） ； OpenAI（OpenAI公司） ； University of Cambridge（剑桥大学） ； University of Technology Nuremberg（纽伦堡工业大学） ； University of Tsukuba（筑波大学） ； Google DeepMind（谷歌DeepMind） ； Carnegie Mellon University（卡内基梅隆大学） ； New York University（纽约大学） ； Imperial College London（伦敦帝国学院） ； Harvard University（哈佛大学） ； Stanford University（斯坦福大学） ； Princeton University（普林斯顿大学） 纠错

AI总结 本文以视觉为中心探讨通用人工智能（AGI）路径，提出视觉通用智能（VGI）概念，明确AGI时代计算机视觉的发展原则、模态、基准等关键方向。

Hyperbolic Latent Geometry for Tree-Structured Prototype Networks: A Local-vs-Global Trade-off

用于树结构原型网络的双曲潜在几何：局部-全局权衡

Peter Flo, Luca Grossmann

机构 * Harvard University（哈佛大学） 纠错

AI总结 该研究在分层分类模型中，对比庞加莱球与欧氏空间作为树结构原型网络的潜在流形，发现双曲流形能更好保留近邻图拓扑，在局部检索任务上优于欧氏流形，为两类潜在几何提供经验区分。

Comments 12 pages, 13 figures, 1 table (including appendix). Code, sweep CSVs, and figure-generation scripts: this https URL (https://github.com/pgrindehollevik-harvard/hyperbolic)