这篇文章介绍了一张独特的中国地图，展示了34个省份的著名地标，体现了各地的自然与人文特色，从北国冰雪到南海椰林，描绘了中国的壮丽景色。

本研究提出ATLASv2系统，旨在解决边缘设备自主系统的资源限制和实时处理需求，通过结合TinyLLM、物体检测和路径规划，实现高效的多任务导航，测试结果显示成功率高。

本研究提出了一种新颖的层次强化学习框架，通过自上而下的递归规划，成功应用于推箱子游戏。该代理能够生成长动作序列，无需领域知识，对解决复杂益智问题具有重要意义。

本研究提出了一种基于地标的上界最短路径新方法，有效解决了成本约束下的基数限制问题，显著提升了算法的实际应用性能。

本文针对现有音频驱动面部动画方法中的表情泄漏、细微表情转移效果不佳及音频同步精度不足等问题，提出了Takin-ADA，一种新颖的实时音频驱动肖像动画的二阶段方法。通过引入专门的损失函数和先进的音频处理技术，Takin-ADA实现了高分辨率面部动画和灵活的表情控制，其在视频质量和面部动态真实感上显著优于现有方法，推动了音频驱动面部动画领域的新标准。

本文提出了一种新型卷积神经网络（TCNN），用于面部标志坐标回归，展示了其在面部标志检测和验证中的优越性能。同时，构建了包含50万张视觉和热成像图片的数据集ARL-VTF，推动了人脸识别算法的发展。通过合成数据和新算法，显著提高了面部特征定位的准确度，并在多个数据集上取得了先进结果。

深度学习在医学影像分析中受到数据集和标注的限制。研究表明，使用小规模x光影像数据集进行地标检测的改进有限。自我监督方法DiNO-Diffusion展示了生成合成数据集的能力，提升了分类性能。提出的弱监督异常检测方法和自导扩散模型在医学影像任务中表现优异，尤其在不平衡数据上。

自动解剖标志检测被重构为精确的生成建模任务，该方法通过扩散模型捕捉标志预测的波动性，产生一些 “热点” 像素热图，并实现了与现有工作相当的最小相对误差和可比较的标准差比率性能。

本研究探讨了杆类地标在视觉定位中的应用，提出了杆类地图匹配和属性匹配两个模块，并采用RANSAC方法以平衡计算效率与精度。实验结果表明，杆类地标分类显著提升了视觉定位系统的性能。

Vision-Language Navigation (VLN) requires the agent to align landmarks based on instruction and visual observations. This paper proposes CONSOLE, a new paradigm that treats VLN as an open-world...

美国俄亥俄州的霍普韦尔仪式地堡最近被列入联合国教科文组织世界遗产名录。该遗址包括八座由霍普韦尔文化的土著美洲原住民在2000年前建造的巨大土堡，这些土堡是几何精确的巨大土方形、圆形和八角形，与太阳和月亮的循环完美对齐。霍普韦尔仪式地堡是世界上最好的土方建筑之一，其建筑师并不生活在城市中，也不是威权统治者的臣民。该遗址还包括来自俄亥俄州以外的材料制作的工艺品，如来自落基山脉的黑曜石和来自墨西哥湾的贝壳。

本文提出了一种基于优先级偏好的任务嵌入法（HBNI）学习框架，旨在改进层次任务网络（HTN）方法，解决传统HTN学习中的分层领域知识问题。实验结果表明，该方法能够有效处理新的HTN规划实例，并探讨了多种HTN规划的改进和应用，包括时间和数字限制的表达。

本文探讨了多种基于提示学习的视觉语言模型，提出了领域感知提示学习（DAP）和动态视觉提示（DVP）等新方法，旨在提高视觉语言推理和图像分类的准确性。实验结果表明，这些方法在医学图像和遥感图像处理方面表现优异。