arXiv cs.AI@Patrick Kwon, Chen Chen
精选58
推荐理由：人体网格恢复在遮挡场景下的歧义问题一直是个难点，做3D人体重建的团队可以看看这个分治思路——先稳住躯干再补四肢，比端到端方法更可靠。
全部 AI 动态
AI 相关资讯全量信息流
5月15日
09:52
FactorizedHMR 提出了一种两阶段混合框架，将人体网格恢复中的确定性部分（躯干和根部姿态）与不确定性部分（四肢等远端关节）分开处理。第一阶段使用确定性回归模块稳定恢复躯干-根部锚点，第二阶段通过概率流匹配模块完成剩余关节的恢复，并引入合成数据管道和几何感知监督来提升遮挡场景下的鲁棒性。实验表明，该方法在遮挡严重和世界空间漂移敏感的指标上优于现有基线。
5月13日
00:33
Google Research: Blog（资讯）
60
推荐理由：多项成果集中在AI辅助科研与智能体推理，尤其是ReasoningBank和AI加速脑神经研究，表明AI正从工具向自主式科研伙伴演进。对研究人员和AI工程师而言，这些开源资源和评估方法具有实践参考价值。
5月12日
19:11
arXiv: OpenAI@Urchade Zaratiana, Ash Lewis, George Hurn-Maloney
65
推荐理由：该模型以较小参数量在PII提取任务上达到领先性能，并采用合成数据方法规避隐私风险，为数据清洗和合规检测提供了实用工具。开源策略有助于社区进一步优化和适配多语言场景。