← AAAI 各届
AAAI 2024· AAAI Conference on Artificial Intelligence
AAAI 2024
亮点精读
8 篇 · 获奖 / oral / 高引📈 499 引用
U-KAN Makes Strong Backbone for Medical Image Segmentation and Generation
提出U-KAN，用KAN网络替代MLP，提升医学图像分割与生成性能。
💡 KAN网络在医学图像任务中优于传统MLP。
arXiv
📈 358 引用
Deep Reinforcement Learning for Robotics: A Survey of Real-World Successes
综述深度强化学习在机器人领域的实际成功应用，涵盖算法、任务和挑战。
💡 系统总结真实场景成果，指导未来研究方向。
arXiv
📈 340 引用
SWIFT:A Scalable lightWeight Infrastructure for Fine-Tuning
SWIFT提出可扩展轻量级基础设施，支持高效大模型微调。
💡 简化微调流程，降低资源需求，加速模型适配。
arXiv
📈 324 引用
Omni-Kernel Network for Image Restoration
提出Omni-Kernel网络，通过多尺度核融合提升图像恢复质量。
💡 首次统一多种核尺度，显著提升恢复效果。
📈 278 引用
ODTrack: Online Dense Temporal Token Learning for Visual Tracking
提出在线密集时间令牌学习，利用时间上下文提升视觉跟踪的鲁棒性。
💡 首次在在线跟踪中密集利用时间令牌，显著提升性能。
arXiv
📈 277 引用
Frequency-Aware Deepfake Detection: Improving Generalizability through Frequency Space Domain Learning
提出频率空间域学习方法，提升深度伪造检测的泛化能力。
💡 解决跨数据集检测性能下降的关键问题。
📈 269 引用
EfficientVMamba: Atrous Selective Scan for Light Weight Visual Mamba
提出空洞选择性扫描机制，构建轻量级视觉Mamba模型，实现高效性能。
💡 首次将Mamba高效应用于轻量视觉任务。
arXiv
📈 252 引用
A Diffusion-Based Framework for Multi-Class Anomaly Detection
提出基于扩散模型的多类异常检测框架，利用扩散过程生成正常样本并检测异常。
💡 首次将扩散模型用于多类异常检测，提升泛化能力。
全部论文
加载中…正在从 DBLP 加载全量论文…
全量索引来自 DBLP · 完整 proceedings 见 官方站点