算法论文8

北大团队：TRKT 提升动态场景图生成质量

机器之心2025-09-03

AI 摘要

北大王选所团队徐铸、刘洋等提出 TRKT 方法，针对弱监督动态场景图生成任务，通过关系敏感知识挖掘和双流融合模块，提升目标检测性能，进而提高动态场景图生成质量，实验效果显著。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

GPT-5.6 Sol视觉能力跃升，性价比战刚开场

第三方评测机构Roboflow测试显示，GPT-5.6 Sol在目标检测、计数等视觉任务上表现出色，尤其在文档版面识别和密集场景处理上进步明显，但认字能力有退步，且大尺寸图片检测框易飘移。

全国公路桥梁超百万座，传统人工巡检效率低且有安全风险，现有深度学习检测模型体积大、计算量高。研究团队提出LBSD - YOLO网络，通过创新实现轻量化，实验显示模型瘦身但性能不减，有重要应用价值。

北大团队提出 Atomic Dance 框架，以原子动作作为舞蹈基本单元，建立有明确语义和结构的舞蹈表示，设计“动作规划 — 舞蹈生成”两阶段框架，让生成的舞蹈更符合音乐节奏和编舞逻辑，具备可解释性和可编辑性。

RF-DETR在COCO数据集上，实时检测精度首破60 mAP，兼顾实时性与高精度。它通过NAS找到Transformer实时运行的‘最优解’，迭代快，适用于多场景，还给出完整实战教程。