本期AI速递精选九篇前沿论文，涵盖三维场景理解、深度补全、注意力机制增强、多模态视频生成、专家混合模型、三维部分生成、文本理解和复杂推理等多个领域。这些研究探索了如何利用大型语言模型、扩散模型、傅里叶变换等技术提升AI性能，并对现有挑战提出了新的见解。例如，3DGraphLLM结合语义图和大型语言模型进行三维场景理解，DiTCtrl探索了多模态扩散变压器中的注意力控制，ReMoE提出了使用ReLU路由的全可微分专家混合模型。这些研究不仅展示了AI技术的最新进展，也为未来的研究方向提供了重要的参考。

🧠 3DGraphLLM: 结合语义图与大型语言模型，提升三维场景理解的精度和效率。

🖼 DepthLab: 通过深度学习技术，实现从部分深度信息到完整深度信息的补全，增强三维重建的完整性。

📊 Fourier Position Embedding: 利用傅里叶位置嵌入增强注意力机制的周期性扩展，提升模型在处理长序列数据时的性能。

🎥 DiTCtrl: 通过探索多模态扩散变压器中的注意力控制，实现无需调优的多提示长视频生成，降低生成视频的门槛。

🧩 PartGen: 利用多视角扩散模型，实现部分级三维生成与重建，为三维建模提供更精细的控制能力。

本期的 9 篇论文如下：

[00:26] ? 3DGraphLLM: Combining Semantic Graphs and Large Language Models for 3D Scene Understanding（3DGraphLLM：结合语义图与大型语言模型进行三维场景理解）

[01:11] ? DepthLab: From Partial to Complete（DepthLab：从部分到完整）

[01:54] ? Fourier Position Embedding: Enhancing Attention's Periodic Extension for Length Generalization（傅里叶位置嵌入：增强注意力机制的周期性扩展以实现长度泛化）

[02:35] ? DiTCtrl: Exploring Attention Control in Multi-Modal Diffusion Transformer for Tuning-Free Multi-Prompt Longer Video Generation（DiTCtrl：探索多模态扩散变压器中的注意力控制以实现无需调优的多提示长视频生成）

[03:26] ? In Case You Missed It: ARC 'Challenge' Is Not That Challenging（你可能错过了：ARC '挑战' 并不那么具有挑战性）

[04:02] ? ReMoE: Fully Differentiable Mixture-of-Experts with ReLU Routing（ReMoE：使用ReLU路由的全可微分专家混合模型）

[04:41] ? PartGen: Part-level 3D Generation and Reconstruction with Multi-View Diffusion Models（PartGen：基于多视角扩散模型的部分级三维生成与重建）

[05:20] ? SKETCH: Structured Knowledge Enhanced Text Comprehension for Holistic Retrieval（SKETCH：结构化知识增强的文本理解与整体检索）

[06:02] ? Ensembling Large Language Models with Process Reward-Guided Tree Search for Better Complex Reasoning（通过过程奖励引导的树搜索集成大语言模型以提升复杂推理能力）

【关注我们】

您还可以在以下平台找到我们，获得播客内容以外更多信息

小红书: AI速递