AAAI、IJCAI、人工智能杂志(Journal of Artificial Inteligence)和NeuIPS成为前四名。右边的饼图显示,前10名的参考文献供给量几乎占来自AAAI论文的总引用量的29.92%。 上面的堆积条形图对参考文献的来源进行了更加的细化,通过上图,你可以看出前十名“贡献者”每年对AAAI会议的贡献情况。 AAAI论文
精准预测和设计蛋白质的序列、结构及模拟其动态变化,一直是科学界的重大挑战。 在即将举行的AAAI 2025会议上,加拿大魁北克省人工智能研究所Mila、美国东北大学和MIT的学者将组织一场主题为“人工智能在蛋白质设计中的应用”的教程。 (文末附教程直通车) 综观当下,AI与生命科学深度融合背景下,蛋白质研究正经历前所未有...
原文链接: AAAI'25开源 | 24 ms!华为诺亚新作TinySAM:突破高效分割一切的极限!0. 论文信息标题:TinySAM: Pushing the Envelope for Efficient Segment Anything Model 作者:TinySAM: Pushing the Envelo…
近日,AAAI-25(The 39th AAAI Conference on Artificial Intelligence)在美国宾夕法尼亚州费城隆重举行。我院吴清强教授团队的博士生陈颜皓受邀作为代表参加会议,并在主赛道做海报展示,向全球人工智能领域的研究人员分享团队的最新研究成果。 AAAI 是国际人工智能领域...
在自动驾驶系统当中,感知模块用于快速准确感知自车周围的驾驶环境。感知模块中包含有很多的子任务,比如:3D目标检测任务、地图分割任务以及栅格占用预测任务等。通过各个任务的预测结果的互相补充和集成,实现了安全、准确的自动驾驶感知系统。 ...
在本文中,我们提出了一个简单而统一的单一目标跟踪(SOT)框架,称为SUTrack。它将五个SOT任务(基于RGB、RGB深度、RGB热、RGB事件、RGB语言跟踪)整合到一个在单个会话中训练的统一模型中。由于数据的独特性质,当前的方法通常为每个任务设计单独的架构并训练单独的模型。这种分散导致了冗余的培训流程、重复的技术创新和有...
AAAI'25开源 !华科新作FlowMamba:点云场景流估计新框架! 1. 导读 基于深度学习的场景流方法已经取得了令人印象深刻的性能。然而,由于局部证据不足,当前性能最好的方法仍然难以处理不适定的区域,例如广泛的平坦区域或遮挡。在本文中,我们提出了一种新的具有全局运动传播的全局感知场景流估计网络,命名为FlowMamba。
2月25日至3月4日,人工智能权威会议AAAI25(CCF A类)在美国宾夕法尼亚州费城召开,研究组在main track录用的论文“Community-aware variational autoencoder for continuous dynamic networks”以海报形式参加展示交流活动。该论文针对变分自编码器无法直接应用于连续动态网络社区发现的问题,提出了一种新的变分自编码器CT-...
图神经网络 (GNN) 在图表示学习方面取得了巨大成功。但由于训练期间重复特征传播的计算和存储成本很高,因此将其扩展到大型图具有挑战性。 为了解决可扩展性问题,模型简化GNN作为可扩展性能的一个有前途的方向,最近引起了人们的极大兴趣。最具代表性的工作是SGC,并以此衍生一系列模型简化GNN比如SIGN,S2GC, GBP, GA...
Official PyTorch implementation of ReWaS (AAAI'25) "Read, Watch and Scream! Sound Generation from Text and Video" naver-ai.github.io/rewas/ Resources Readme License View license Activity Custom properties Stars 41 stars Watchers 4 watching Forks 1 fork Report repository Releases ...