
Cải thiện phân đoạn tuyến tụy sâu trong hình ảnh CT và MRI thông qua chức năng học theo bối cảnh thần kinh tái phát và chức năng mất trực tiếp
{{ $json.postContent }}
Giấy
Đăng vào ngày 16 tháng 5
• Được xuất bản lần đầu tại paperium.net
Cải thiện phân đoạn tuyến tụy sâu trong hình ảnh CT và MRI thông qua chức năng học theo bối cảnh thần kinh tái phát và chức năng mất trực tiếp
#ai
#học sâu
#khoa học máy tính
#học máy
AI (Dòng sản phẩm 3039)
1
Học tập đặc vụ thông qua trải nghiệm ban đầu
2
MM-HELIX: Tăng cường khả năng suy luận chuỗi dài đa phương thức với nền tảng toàn diện và tối ưu hóa chính sách kết hợp thích ứng
...
3035 phần nữa...
3
MemMamba: Xem xét lại các mô hình bộ nhớ trong mô hình không gian trạng thái
4
UniVideo: Hiểu, tạo và chỉnh sửa thống nhất cho video
5
VideoCanvas: Hoàn thành video hợp nhất từ các bản vá không gian thời gian tùy ý thông qua Điều hòa trong ngữ cảnh
6
DreamOmni2: Chỉnh sửa và tạo dựa trên hướng dẫn đa phương thức
7
Từ Cái gì đến Tại sao: Một hệ thống đa tác nhân để lập luận về điều kiện phản ứng hóa học dựa trên bằng chứng
8
Nhận thức tổng hợp nâng cao các mô hình lý luận: Học tập tăng cường tự liên kết
9
Khi suy nghĩ gặp sự thật: Lý do có thể tái sử dụng cho LM có bối cảnh dài
10
Mã thông báo có xác suất thấp duy trì hoạt động khám phá trong học tập tăng cường với phần thưởng có thể xác minh được
11
Điệu Waltz liên kết: Cùng đào tạo các đại lý để cộng tác vì sự an toàn
12
Tối ưu hóa chính sách tương đối của nhóm không cần đào tạo
13
Tăng cường kết hợp: Khi phần thưởng thưa thớt, tốt hơn là nên dày đặc
14
NewtonBench: Đánh giá khám phá luật khoa học tổng quát hóa điểm chuẩn trong các đại lý LLM
15
ARTDECO: Hướng tới tái tạo 3D nhanh chóng và hiệu quả với độ trung thực cao với khả năng trình bày cảnh có cấu trúc
16
DeepPrune: Chia tỷ lệ song song mà không cần dự phòng giữa các dấu vết
17
Các vấn đề về lần thử đầu tiên: Xem lại vai trò của sự suy ngẫm trong các mô hình lý luận
18
LLM học cách đánh lừa một cách vô chủ ý: Sự sai lệch nổi lên về tính không trung thực từ các mẫu không chính xác đến sự tương tác thiên vị giữa con người và AI
19
UniMMVSR: Khung đa phương thức hợp nhất cho video siêu phân giải xếp tầng
20
NaViL: Xem xét lại các thuộc tính mở rộng của các mô hình ngôn ngữ lớn đa phương thức bản địa trong các ràng buộc dữ liệu
21
CoMAS: Hệ thống đa tác nhân cùng phát triển thông qua phần thưởng tương tác
22
PickStyle: Chuyển kiểu video sang video bằng bộ điều hợp kiểu ngữ cảnh
23
UNIDOC-BENCH: Điểm chuẩn thống nhất cho RAG đa phương thức lấy tài liệu làm trung tâm
24
InstructX: Hướng tới chỉnh sửa hình ảnh thống nhất với hướng dẫn MLLM
25
LongRM: Tiết lộ và mở khóa ranh giới bối cảnh của mô hình khen thưởng
26
Học tập trong công việc: Một tác nhân tự phát triển dựa trên kinh nghiệm cho các nhiệm vụ dài hạn
27
Củng cố các mô hình khuếch tán bằng cách tối ưu hóa ưu tiên nhóm trực tiếp
28
Điều chỉnh việc tạo video chuyển văn bản thành âm thanh thông qua điều kiện và tương tác phương thức nâng cao
29
Kích hoạt chính quy Entropy: Tăng cường kiểm soát liên tục, mô hình ngôn ngữ lớn và phân loại hình ảnh với kích hoạt như
30
Truy xuất và hợp nhất bộ nhớ trong các mô hình ngôn ngữ lớn thông qua FunctionTokens
31
Tái sử dụng các điểm kiểm tra được đào tạo trước: Sự phát triển trực giao của hỗn hợp các chuyên gia để đào tạo trước mô hình ngôn ngữ lớn hiệu quả
32
GCPO: Khi độ tương phản không thành công, hãy trở thành vàng
33
UP2You: Tái tạo nhanh chóng bản thân từ Bộ sưu tập ảnh không giới hạn
34
OmniRetarget: Tạo dữ liệu bảo toàn tương tác cho thao tác Loco toàn cơ thể hình người và tương tác cảnh
35
DexNDM: Thu hẹp khoảng cách thực tế cho khả năng xoay khéo léo bằng tay thông qua Mô hình động lực học thần kinh chung
36
A^2Tìm kiếm: Trả lời câu hỏi nhận biết sự mơ hồ bằng phương pháp học tăng cường
37
Học cách định tuyến LLM từ phản hồi của kẻ cướp: Một chính sách, nhiều sự đánh đổi
38
Search-R3: Hợp nhất khả năng suy luận và tạo nhúng trong các mô hình ngôn ngữ lớn
39
R2RGEN: Tạo dữ liệu 3D thực tế cho thao tác tổng quát về mặt không gian
40
Drive&Gen: Đồng đánh giá các mô hình thúc đẩy và tạo video từ đầu đến cuối
41
Ngoài các ngoại lệ: Nghiên cứu về các trình tối ưu hóa theo lượng tử hóa
42
SViM3D: Khuếch tán vật liệu video ổn định cho thế hệ 3D hình ảnh đơn
43
GyroSwin: Chất thay thế 5D cho Mô phỏng nhiễu loạn huyết tương Gyrokinetic
44
Hướng tới chỉnh sửa 3D nhất quán và có thể mở rộng
45
Sử dụng mạng trực tuyến nếu bạn có thể: Hướng tới việc học tăng cường nhanh chóng và ổn định
46
Thành phần dữ liệu nhận biết độ trung thực để khái quát hóa robot mạnh mẽ
47
SciVideoBench: So sánh lý luận video khoa học trong các mô hình đa phương thức lớn
48
Chưng cất khuếch tán quy mô lớn thông qua tính nhất quán theo thời gian liên tục được điều chỉnh theo điểm
49
Vượt quá giới hạn lần lượt: Đào tạo tác nhân tìm kiếm sâu với cửa sổ ngữ cảnh động
50
OpenRubrics: Hướng tới việc tạo phiếu tự đánh giá tổng hợp có thể mở rộng để lập mô hình phần thưởng và liên kết LLM
51
Suy nghĩ với Máy ảnh: Một mô hình đa phương thức thống nhất để hiểu và tạo ra máy ảnh làm trung tâm
52
D2E: Mở rộng quy mô đào tạo trước hành động-thị giác trên dữ liệu máy tính để bàn để chuyển sang EmbbedAI
53
TAG:Hướng dẫn khuếch đại tiếp tuyến để lấy mẫu khuếch tán kháng ảo giác
54
Tối ưu hóa lời nhắc đa phương thức: Tại sao không tận dụng nhiều phương thức cho MLLM
55
AutoPR: Hãy tự động hóa hoạt động xúc tiến học tập của bạn!
56
R-Horizon: Mô hình suy luận lớn của bạn thực sự có thể tiến xa đến mức nào về chiều rộng và chiều sâu?
57
Webscale-RL: Đường dẫn dữ liệu tự động để chia tỷ lệ dữ liệu RL đến cấp độ đào tạo trước
58
SpaceVista: Lý luận không gian trực quan trên mọi quy mô từ mm đến km
59
StreamingVLM: Hiểu theo thời gian thực cho luồng video vô hạn
60
Đừng lãng phí những sai lầm: Tận dụng các nhóm RL tiêu cực thông qua việc tái đánh giá niềm tin
61
ARES: Lý luận thích ứng đa phương thức thông qua EntropyShaping cấp độ mã thông báo nhận biết độ khó
62
KORMo: Mô hình lý luận mở của Hàn Quốc dành cho mọi người
63
DISCO: Đa dạng hóa quá trình ngưng tụ mẫu để đánh giá mô hình hiệu quả
64
Kết nối lý luận với việc học: Vạch trần những ảo tưởng bằng cách sử dụng sự phức tạp ngoài sự khái quát hóa phân phối
65
chuyên nghiệp


Nguồn tin: Dev.to Machine Learning — Tác giả: Paperium. Bản dịch tiếng Việt do AI thực hiện, có thể có sai sót.