MambaEye: A Size-Agnostic Visual Encoder with Causal Sequential Processing
MambaEye：一种无尺寸依赖的视觉编码器与因果序列处理
机构 * Korea University（韩国大学） ； MIT（麻省理工学院）
AI总结 MambaEye通过因果序列处理和相对移动嵌入，实现无尺寸依赖的视觉编码，适用于任意分辨率和扫描模式。
Comments Code will be released in github
高校专区
Massachusetts Institute of Technology（麻省理工学院）
What does it mean to understand language?
什么是理解语言意味着？
机构 * Kempner Institute for the Study of Natural & Artificial Intelligence（自然与人工智能研究 institute） ； Harvard University（哈佛大学） ； School of Psychology（心理学学院） ； Georgia Institute of Technology（佐治亚理工学院） ； Massachusetts Institute of Technology（麻省理工学院） ； Department of Brain and Cognitive Sciences（脑科学与认知科学系）
AI总结 本文探讨了理解语言的认知和神经机制，提出通过将信息导出至其他大脑区域来构建心理模型，以深入理解语言。
Learning to Validate Generative Models: a Goodness-of-Fit Approach
学习验证生成模型：一种适合性检验方法
机构 * Dipartimento di Fisica e Astronomia, Università di Padova, Padova, Italy（帕多瓦大学物理与天文学系） ； INFN, Sezione di Padova, Padova, Italy（意大利国家核物理研究所帕多瓦分部） ； Department of Physics, Brandeis University, Waltham, MA, USA（布兰迪大学物理系） ； MIT Laboratory for Nuclear Science, Cambridge, MA, USA（麻省理工学院核科学实验室） ； School of Engineering and Applied Sciences, Harvard University, Cambridge, MA, USA（哈佛大学工程与应用科学学院） ； NSF AI Institute for Artificial Intelligence and Fundamental Interactions, Cambridge, MA, USA（国家科学基金会人工智能与基本相互作用研究所） ； MaLGa–DIBRIS, Università di Genova, Genova, Italy（热那亚大学MaLGa–DIBRIS） ； INFN, Sezione di Genova, Genova, Italy（意大利国家核物理研究所热那亚分部） ； Institute for Theoretical Particle Physics and Cosmology, RWTH Aachen University, Aachen, Germany（亚琛工业大学理论粒子物理与宇宙学研究所）
AI总结 本文提出基于NPLM的适合性检验方法，用于验证高维科学数据生成模型的可靠性，并能诊断模型未充分建模的区域。
Comments 16 pages, 6 figures. v2: improved clarity
GRAM: Generalization in Deep RL with a Robust Adaptation Module
GRAM：深度强化学习中的泛化能力与鲁棒适应模块
机构 * Mitsubishi Electric Research Laboratories (MERL)（三菱电机研究实验室（MERL）） ； Massachusetts Institute of Technology（麻省理工学院） ； Amazon Robotics（亚马逊机器人）
AI总结 GRAM通过鲁棒适应模块提升深度强化学习在分布内和分布外场景中的泛化能力，通过仿真和机器人实验验证其有效性。
Comments Accepted for publication in IEEE Robotics and Automation Letters (RA-L)
A Diffusion Model for Simulation Ready Coronary Anatomy with Morpho-skeletal Control
一种具有形态-骨骼控制的可用于模拟的冠状动脉解剖扩散模型
机构 * Institute of Medical Engineering, MIT（麻省理工学院医学工程研究所） ； Brigham and Women's Hospital, Harvard（哈佛大学布莱尔妇女医院） ； HeartFlow（HeartFlow公司） ； Showa University（昭和大学） ； OLV Aalst
AI总结 本文提出了一种基于潜在扩散模型的冠状动脉解剖生成方法，通过形态-骨骼控制实现可控的解剖合成，用于虚拟干预研究。
Comments Accepted to ECCV 2024
