标签
杜克大学研究人员推出了 StormGen，这是一种生成式机器学习模型，能够将短时段降雨观测记录补全为完整且符合物理规律的风暴生命周期，再现哈维飓风等罕见极端事件，并且在防洪设施压力测试中优于随机风暴移置法。
BigCell是首个能在原生千兆像素分辨率下生成连贯全切片病理图像的方法，采用流匹配Transformer在2048×2048像素上训练超过12万张公开WSI，可生成高达32,768×32,768像素的图像，并通过合成样本将少样本切片级分类性能提升最多18%。
JoHan：一个从视频序列直接联合生成2D和3D手部姿态序列的统一生成框架，无需依赖逐帧姿态预测，在遮挡和不完整观测下显著提升手部运动重建的精度、速度和平滑度。
本文介绍了REALM，一种用于具身人工智能中音频驱动响应式聆听的粗到精生成框架，解决了时序和面部运动中的挑战，评估和机器人部署展示了改进。
GeoCR 提出了一种通用云移除模型，在单一流式 Transformer 中统一了仅 RGB 与多光谱云移除（可选 SAR 引导），并在十个数据集、883,331 张无云图像上训练，无需针对特定数据集微调即可在 FID/DISTS 指标上达到最先进水平。
本文提出了 CorrFlow，一个相关性引导的流匹配框架，用于从组织学图像预测空间转录组学，显式建模基因间依赖关系，以提高生成谱中的生物连贯性。
论文介绍了SolarFlowRefiner，一个感知细化的流匹配框架，用于将粗糙的ERA5数据降尺度为高分辨率的SolarCube场，展示了相对于独立生成和事后细化方法的一致改进。
OneBid是一个统一自动竞价基础模型，通过采用Mixture-of-Experts架构和CROP优化，解决了多样化oCPX广告场景中的挑战，在快手部署后显示了显著改进，如ROAS提升13.1%。
BoundInk 引入了一个基于书写者的条件框架，用于在线手写生成，该框架显式建模字符间边界以改善草书连续性和空间对齐，优于现有方法，显著降低误差并获得较高的人类偏好评分。
Mira-Scene 引入了一个组合式三维场景重建框架，使用像素对齐的规范坐标图进行精确的对象布局，在布局精度上相较于现有方法实现了显著提升。
本文提出了一种情感原型条件融合（APCF）框架，用于处理不完整模态的开放词汇多模态情感识别，使用情感原型库来指导特征融合，并利用LLM解码器生成自然语言情感标签。
本文通过引入一个综合框架来评估 MiniMax-H3——一种全模态生成模型——在通过多模态输入推理物理世界方面的能力。评估显示，基于视频的决策推理表现最佳，而基于音频的歧义推理则最弱。
Fraglingo引入了一种连接感知的自回归模型，用于分子设计，该模型通过在连续潜空间中联合预测片段身份和连接来生成分子，增强了属性控制和灵活性。
KaiNinja通过双体积表示扩展了原生3D生成器，以生成部分级别输出，提高了部分和整体对象的保真度，无需进行分割。
本文提出了一种条件生成潜在框架，用于编码连接组图，实现储备池计算中的重建、生成和功能分析，并提供任务特定结构机制的见解。
介绍了生成式后期交互嵌入（GLIE），用于压缩视觉文档检索向量，通过按需重新生成完整嵌入来提高存储约束下的准确性。
SPAR3S是一种稀疏自回归生成模型，能高效地从稀疏多视角图像生成完整的3D场景，无需3D真值数据，使用体素对齐的潜在空间和可微分的3D Gaussian Splatting。
WorldSculpt 是一个框架，可以将基于地面视频的杂乱场景重建为组合式的每物体网格，从而实现交互式3D世界生成和编辑。
SimpleDesign 引入了一种用于蛋白质序列与结构协同设计的联合模型，该模型在数据空间中使用单阶段目标进行端到端训练，在协同设计和生成基准测试中取得了具有竞争力的性能。
OutageDiT是一种用于停电预测的生成式基础模型，它采用Diffusion Transformer架构生成七天停电轨迹，提高预测准确度并实现向新区域的零样本迁移。