少样本异常检测（FSAD）旨在通过极少量来自同一类别的正常支持图像来检测未知的异常区域。现有的FSAD方法通常通过直接设计复杂的文本提示，将其与视觉特征对齐，来发现异常，且这些方法大多忽视了视觉特征中的内在上下文信息，例如不同视觉层之间的交互关系，而这些信息是

学习 aaai2025 全图 2025-01-17 07:08  9

在人工智能领域，目前有很多工作采用自回归方法来模拟或是替代扩散模型，其中视觉自回归建模（Visual AutoRegressive modeling，简称 VAR）就是其中的典型代表，该工作利用自回归取得了比传统基于噪声的扩散模型更好的生成效果，并且获得了人工

时间序列 aaai2025 时间序列演进 2024-12-23 19:45  10

现有的深伪检测方法大多依赖于配对数据，即一张压缩图像和其对应的原始图像来训练模型，这在许多实际的开放环境中并不适用。尤其是在社交媒体等开放网络环境（OSN）中，图像通常经过多种压缩处理，导致图像质量受到影响，深伪识别也因此变得异常困难。

北交大 aaai2025 backbone 2024-12-22 22:10  13

TLDR；我们发现微调LLM并引导它来根据题目和摘要预测一个0-1之间的文献计量学指标是很有应用前景的。实验结果表明，微调后的LLM可以准确发现潜在高影响力的论文（NDCG@20>0.9）。我们的方法可以帮助自动科研系统以及个人研究者从海量新发表论文中筛

论文 预测 aaai2025 2024-12-12 10:01  15