深度分析
模式‑世界加權回歸與迭代式解碼器提升 Argoverse 2 多代理運動預測表現
本研究針對自動駕駛車輛的多代理軌跡預測，提出模式‑世界加權回歸損失與迭代式解碼器。該損失同時提升模式多樣性與世界排名準確度，迭代解碼器以分段座標直接輸出並循環利用前段資訊。實驗顯示在Argoverse2基準測試中排名第一。然而，迭代解碼帶來較高的計算量，對即時應用構成挑戰。
深度分析
本研究針對自動駕駛車輛的多代理軌跡預測，提出模式‑世界加權回歸損失與迭代式解碼器。該損失同時提升模式多樣性與世界排名準確度，迭代解碼器以分段座標直接輸出並循環利用前段資訊。實驗顯示在Argoverse2基準測試中排名第一。然而，迭代解碼帶來較高的計算量，對即時應用構成挑戰。
深度分析
隨著文字到影像擴散模型廣受創作使用，缺乏個人化成為瓶頸。研究提出 ZIPP，透過自然語言人格在不需使用者資料或模型調整的情況下，將提示重新寫入人格視角，引導生成符合使用者喜好的影像。實驗顯示在零樣本與少樣本設定下，ZIPP 可提升 13%~20% 的偏好匹配，且保留使用者內部多樣性，降低偏差。