本研究提出了一种名为差异蒸馏的方法，旨在降低视频语言模型处理长视频的计算成本。通过差异关键帧选择和特征合并机制，开发了ViLaMP模型，能够在单个NVIDIA A100 GPU上高效处理最多10K帧的视频，并在多个视频理解基准测试中表现优异。

本研究提出了一种语义驱动的搜索框架，解决长视频理解中文本查询与视觉元素之间的逻辑关系。通过定义四种逻辑依赖关系，动态更新帧采样分布，实现语义关键帧识别，显著提升了关键帧选择和视频问答任务的性能。

本研究提出了一种机器学习模型，用于在朝觐期间对人群密度进行分类，分为适度、过度和非常密集三种水平。该模型结合局部二值模式和区域特征，准确率达到87%，能够实时提醒组织者，从而提升大型活动的安全管理能力。

本研究提出了一种频率自适应低延迟目标检测器（FAOD），有效解决了事件相机与RGB相机在目标检测中的数据融合问题，显著提高了检测精度，尤其在多个数据集上表现突出。

本研究提出了一种新方法，将事件相机的模拟电路特性纳入视频帧到事件的转换中，提升了合成事件数据在高对比度场景下的可靠性，从而增强了深度神经网络处理真实事件数据的泛化能力。

本研究提出了一种基于双向长短期记忆（BiLSTM）神经网络的实时运动分类方法，旨在提高运动识别在真实环境中的鲁棒性和通用性。该模型结合关节角度和坐标数据，测试准确率超过99%。

本研究探讨视觉-语言模型在空间表达中的模糊性，提出评估协议COMFORT以系统性评估其空间推理能力。结果显示，这些模型在鲁棒性和跨文化适应性方面存在显著不足，强调了空间推理中的模糊性和文化差异的重要性。

建立等变消息传递框架，实现几何深度学习中的任意维度欧几里得空间上的等变信息传递，通过局部坐标框架和张量对象在消息中保持几何信息一致性，并展示了 O (3) 等变性在点云架构上的优势及在法向量回归中的最新成果。

When I suggested a department chair in 2019 that they may consider opening a blog so that all students and faculty in the department can write together (which sounded exciting to me), he expressed...

In this blog we’re going to take a closer look at “connection coalescing”, with specific focus on manage it at a large scale

In this blog we’re going to take a closer look at “connection coalescing”, with specific focus on manage it at a large scale

In order to get enough information from videos, we often need to extract video frames. However, we do not want to extract every frame from a video due to: information redundancy in successive...

关于api.closeFrameGroup的注意事项：1. 当前页面调用只会关闭group组，frames中的页面无法关闭；2. frames页面不能关闭其所属的framegroup；3. 无关的framegroup可以正常关闭；4. 对指定group组设置hidden属性时同样适用。

关于api.closeFrameGroup的注意事项：1. 关闭framegroup只会关闭组，frames中的页面无法关闭；2. frames页面不能关闭其所属的framegroup；3. 无关的framegroup可以正常关闭；4. 设置指定group的hidden属性时同理。

Hi everyone! Over the summers I did research on Wi-Fi and part of my research involved sending and receiving different kinds of IEEE 802.11 packets. I did most of this stuff using Scapy so I...