标签
Hallo4D是一个模型无关框架，利用大型多模态语言模型检测和纠正3D与4D生成中的空间和时间幻觉，在无需重新训练的情况下改善跨视角和时间的一致性。
本文介绍了基于证据的视频问答（E-VQA），这是一个新任务，要求模型同时输出语义答案和精确的时空证据，如跟踪对象分割掩码序列。作者创建了一个人工验证的基准数据集和一个可扩展的训练数据集，在基线方法上显示出显著改进。
STAGformer提出了一个具有线性复杂度的时空智能体图变换器，用于共享单车需求预测，在纽约和芝加哥数据集上优于基线模型。
介绍 AnyGroundBench，这是一个面向时空视频定位的领域自适应基准，评估了五个专业领域的15个视觉语言模型，发现当前模型在零样本和上下文学习适应中均失败。
本文提出了一种深度学习的方法，使用时空图神经网络（MTGNN）重建南美洲自1940年以来的GRACE陆地水储量异常，实现了高精度，并且用更少的预测因子优于以往的方法。
本文提出MVG-KAN，一种集成周期-残差分解、用于风感知空间依赖性的地理风图以及用于PM2.5预测的时间KAN头的多视图模型，在北京数据上实现MAE 14.09。
Selective Synergistic Learning (SSync) 通过伪标签和传递合并选择性地提取可靠线索，从而改进视频目标中心学习，避免了不加区分的密集对齐带来的错误传播。
提出了一种节点级频谱能量公式，用于检测图中的伪装异常，并将其扩展到具有能量驱动消息传递的时空设置。在大规模基准测试上证明了其有效性。
本文提出使用 Ensemble Score Filter (EnSF)（一种基于评分的扩散数据同化方法），利用部分含噪声的观测数据来校正预训练的时空能耗模型的预测。数值实验表明，EnSF 在状态估计上显著优于开环传播，并且在非线性观测条件下优于集成卡尔曼滤波（Ensemble Kalman Filter）。
提出了一种具有成对编码和基于事件的邻接矩阵的全局-局部图注意力网络（GLGAT）用于交通预测，有效捕捉时空相关性，并在真实数据集上取得了有竞争力的性能。