University of Washington（华盛顿大学）

PerceptionComp: A Video Benchmark for Complex Perception-Centric Reasoning

PerceptionComp：一个复杂感知导向推理的视频基准测试

Shaoxuan Li, Zhixuan Zhao, Hanze Deng, Zirun Ma, Shulin Tian, Zuyan Liu, Yushi Hu, Haoning Wu, Yuhao Dong, Benlin Liu, Ziwei Liu, Ranjay Krishna

机构 * Tsinghua University（清华大学） ； University of Washington（华盛顿大学） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 PerceptionComp是一个手动标注的复杂长时景视频推理基准测试，要求多时间片段的视觉证据和逻辑约束，涉及多个感知子任务，测试人类和模型在感知推理中的性能瓶颈。

Comments Project Page: https://perceptioncomp.github.io

Shared Representation for 3D Pose Estimation, Action Classification, and Progress Prediction from Tactile Signals

用于从触觉信号中估计3D姿态、动作分类和运动进度预测的共享表示

Isaac Han, Seoyoung Lee, Sangyeon Park, Ecehan Akan, Yiyue Luo, Joseph DelPreto, Kyung-Joong Kim

机构 * Gwangju Institute of Science and Technology (GIST)（光州科学技术院） ； University of Washington（华盛顿大学） ； MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） 纠错

AI总结 本文提出SCOTTI模型，通过共享表示同时处理3D姿态估计、动作分类和运动进度预测，利用多任务学习提升性能，实验表明其在三项任务中均优于独立学习方法。

A Neural Score-Based Particle Method for the Vlasov-Maxwell-Landau System

基于神经网络的分数粒子方法用于Vlasov-Maxwell-Landau系统

Vasily Ilin, Jingwei Hu

机构 * University of Washington（华盛顿大学） 纠错

AI总结 本文提出一种基于神经网络的分数粒子方法，用于解决Vlasov-Maxwell-Landau系统中的碰撞问题，通过隐式分数匹配训练神经网络，提高了计算效率和准确性。

Comments presented at ICLR AI&PDE workshop