大家好，欢迎收听“Hugging Face 每日AI论文速递”。今天是2024年8月26日，我们将带您快速浏览11篇热门AI论文，内容涵盖视觉-语言模型、3D场景生成、大型语言模型训练效率等多个前沿领域。现在，让我们立即进入精彩的论文世界。

[00:25] 🔍 Building and better understanding vision-language models: insights and future directions（构建和更好地理解视觉-语言模型：见解与未来方向）

[00:58] 🌐 LayerPano3D: Layered 3D Panorama for Hyper-Immersive Scene Generation（LayerPano3D：分层3D全景图用于超沉浸式场景生成）

[01:29] 📊 MME-RealWorld: Could Your Multimodal LLM Challenge High-Resolution Real-World Scenarios that are Difficult for Humans?（MME-RealWorld：多模态大型语言模型能否应对人类难以处理的高分辨率真实世界场景？）

[02:08] ⚡ Multi-Layer Transformers Gradient Can be Approximated in Almost Linear Time（多层Transformer梯度在几乎线性时间内可近似计算）

[02:45] 🎥 CustomCrafter: Customized Video Generation with Preserving Motion and Concept Composition Abilities（CustomCrafter：保留运动和概念组合能力的定制化视频生成）

[03:27] 🎭 T3M: Text Guided 3D Human Motion Synthesis from Speech（T3M：基于语音的文本引导3D人体运动合成）

[04:05] 🔍 Memory-Efficient LLM Training with Online Subspace Descent（通过在线子空间下降实现内存高效的大型语言模型训练）

[04:45] 🌟 CODE: Confident Ordinary Differential Editing（自信常微分编辑）

[05:24] 🔍 FLoD: Integrating Flexible Level of Detail into 3D Gaussian Splatting for Customizable Rendering（FLoD：将灵活的细节层次集成到3D高斯喷洒中以实现可定制渲染）

[05:59] 🌐 A Web-Based Solution for Federated Learning with LLM-Based Automation（基于LLM自动化的联邦学习网络解决方案）

[06:41] 🚀 HiRED: Attention-Guided Token Dropping for Efficient Inference of High-Resolution Vision-Language Models in Resource-Constrained Environments（HiRED：在资源受限环境下高效推理高分辨率视觉-语言模型的注意力引导标记丢弃）

【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