Depth-Semantic Alignment and Affinity-Guided Fusion for Structured Radar Point Cloud Generation
深度语义对齐与亲和力引导融合的结构化雷达点云生成
机构 * Zhejiang University(浙江大学)
AI总结 针对毫米波雷达点云稀疏、噪声大、结构不完整的问题,提出基于视觉-雷达融合的多模态点云生成方法,利用图像语义约束和稀疏补全策略提升点云质量,并在检测跟踪任务中验证有效性。
高校专区
深度语义对齐与亲和力引导融合的结构化雷达点云生成
机构 * Zhejiang University(浙江大学)
AI总结 针对毫米波雷达点云稀疏、噪声大、结构不完整的问题,提出基于视觉-雷达融合的多模态点云生成方法,利用图像语义约束和稀疏补全策略提升点云质量,并在检测跟踪任务中验证有效性。
潜在融合越狱:融合有害与无害表征以引出不安全的大语言模型输出
机构 * Bingjiang Institute of Zhejiang University(浙江大学滨江学院) ; Zhejiang University(浙江大学) ; Guangzhou University(广州大学) ; Chongqing University(重庆大学)
AI总结 研究如何通过白盒干预操纵安全对齐的大语言模型,核心方法是潜在融合越狱(LFJ),通过配对有害与良性表征、优化混合系数等实现,在多个模型和基准上取得高攻击成功率,还设计了对抗训练程序降低攻击成功率。