作者: Quanjian Song, Zhihang Lin, Zhanpeng Zeng, Ziyue Zhang, Liujuan Cao, Rongrong Ji
研究方向: 视频生成与摄像机运动模拟
本文提出了一种名为LightMotion的轻量级、无需微调的摄像机运动模拟方法，用于视频生成。该方法通过在潜在空间中操作，避免了额外的微调、修复和深度估计，从而简化了流程。
作者: Xukun Zhou, Fengxin Li, Ming Chen, Yan Zhou, Pengfei Wan, Di Zhang, Hongyan Liu, Jun He, Zhaoxin Fan
研究方向: 数字人动画、音频驱动手势合成、人工智能
提出了一种名为ExGes的音频驱动手势合成方法，通过检索增强的扩散框架，解决现有方法在生成手势时表达性差、语义不匹配等问题。
作者: Enming Zhang, Peizhe Gong, Xingyuan Dai, Yisheng Lv, Qinghai Miao
研究方向: 自动驾驶与视觉语言模型
本文提出了一种名为SCD-Bench的新型评估方法，用于评估自动驾驶中视觉语言模型（VLM）的安全认知能力。该方法通过四个维度的任务来评估VLM的安全认知能力，包括命令误解、恶意决策、感知诱导和道德困境。
作者: Cong Chen, Mingyu Liu, Chenchen Jing, Yizhou Zhou, Fengyun Rao, Hao Chen, Bo Zhang, Chunhua Shen
研究方向: 多模态大型语言模型（MLLM）的幻觉问题研究
本文针对多模态大型语言模型（MLLM）在密集图像描述任务中存在的幻觉问题进行研究。为了解决这一问题，作者们提出了一种名为PerturboLLaVA的新方法，旨在减少模型对语言先验的依赖，并提高其在视觉输入上的关注。此外，还引入了HalFscore这一新指标，用于更细致地评估密集图像描述的准确性和完整性。
作者: Xiao Wang, Yuehang Li, Fuling Wang, Bo Jiang, Yaowei Wang, Yonghong Tian, Jin Tang, Bin Luo
研究方向: 多模态手语翻译
该研究提出了一种基于RGB和事件流的多模态手语翻译方法，旨在提高手语翻译的准确性和鲁棒性。研究首先构建了一个大规模的多模态手语翻译数据集VECSL，然后提出了一种名为M2-SLT的新型手语翻译框架，该框架结合了细粒度微手势和粗粒度宏手势检索，实现了在VECSL数据集上的最佳性能。
作者: Ali Sarabadani, Kheirolah Rahsepar Fard, Hamid Dalvand
研究方向: 认知神经科学知识图谱自动扩展
本文提出了一种名为ExKG-LLM的框架，旨在利用大型语言模型（LLM）自动扩展认知神经科学知识图谱（CNKG）。该框架通过从科学论文和临床报告中提取知识，提高CNKG的准确性、完整性和实用性。
作者: Chuheng Wei, Ziye Qin, Siyan Li, Ziyan Zhang, Xuanpeng Zhao, Amr Abdelraouf, Rohit Gupta, Kyungtae Han, Matthew J. Barth, Guoyuan Wu
研究方向: 个性化驾驶行为分析
本文介绍了PDB（个性化驾驶行为）数据集，该数据集旨在通过收集多模态数据来分析个体驾驶行为。该数据集旨在解决现有驾驶数据集中忽视个体差异的问题，并提供了在可控条件下研究个性化驾驶行为的框架。
作者: Ali Sarabadani, Kheirolah Rahsepar Fard, Hamid Dalvand
研究方向: 生物医学信息学、知识图谱、大型语言模型
本文提出了一种名为SKG-LLM的知识图谱构建方法，利用大型语言模型（LLM）和数学模型从与中风相关的文献中提取和构建知识图谱。该方法旨在通过分析复杂的实体关系，提高中风研究的准确性和深度。
作者: Huanjun Kong, Zhefan Wang, Chenyang Wang, Zhe Ma, Nanqing Dong
研究方向: 自然语言处理，知识密集型应用，图检索增强生成（GraphRAG）
本文提出了一种名为HuixiangDou2的GraphRAG框架，旨在解决大型语言模型（LLM）在处理专业或新兴主题时的局限性。该框架通过将领域知识结构化为图来动态检索信息，并优化了检索机制和生成过程，以提高检索准确性和生成质量。
作者: Hanze Li, Xiande Huang
研究方向: 深度学习，神经网络优化，注意力机制
本文针对现有层注意力机制中存在的冗余问题，提出了一种名为ELA（Efficient Layer Attention）的架构，通过量化相邻层的注意力权重之间的相似度来识别并跳过冗余层，从而提高训练效率和模型性能。