Cloud Workflow Scheduling Based on Graph Attention-Driven Hierarchical Reinforcement Learning
本文针对云工作流调度问题，提出一种基于图注意力驱动的层次强化学习方法GA-HRL，以优化任务截止时间、容器利用率和能耗。
0 citationsRead paper
Selected work
Representative Papers
A-PAIR: A Benchmark and Identity-Consistent Grounding Framework for Air-Ground Cross-View Referring Person Detection
本文针对空中-地面跨视角指代人物检测问题，提出A-PAIR基准及身份一致的定位框架，通过因子化标注与参照对齐方法有效构建数据集，并利用身份一致的指代定位框架提高检测性能。
0 citationsRead paper
Socialized Detector Learning: Trajectory-Guided and Reciprocal Distillation for Heterogeneous Object Detectors
研究通过轨迹引导和互惠蒸馏方法，解决了异构物体检测器间知识碎片化问题，实现检测器社会的集体进化。
0 citationsRead paper
SonarLLM: A Native Sonar--Optical Multimodal Large Language Model for Underwater Perception
为解决水下感知问题，提出SonarLLM模型，结合声纳和光学模态，通过特定编码器、特征增强及层次融合方法，提高在不同能见度下的感知可靠性。
0 citationsRead paper
Socialized Division and Collaboration: Rethinking Class-Incremental Learning under Optimization Conflicts
本文针对类增量学习中因优化冲突导致的灾难性遗忘问题，提出一种基于社会团结理论的Socialized Division and Collaboration方法，通过专门模型分解和协作来解决。
0 citationsRead paper
Recent publications
Latest Papers
Cloud Workflow Scheduling Based on Graph Attention-Driven Hierarchical Reinforcement Learning
本文针对云工作流调度问题，提出一种基于图注意力驱动的层次强化学习方法GA-HRL，以优化任务截止时间、容器利用率和能耗。
0 citationsRead paper
A-PAIR: A Benchmark and Identity-Consistent Grounding Framework for Air-Ground Cross-View Referring Person Detection
本文针对空中-地面跨视角指代人物检测问题，提出A-PAIR基准及身份一致的定位框架，通过因子化标注与参照对齐方法有效构建数据集，并利用身份一致的指代定位框架提高检测性能。
0 citationsRead paper
Socialized Detector Learning: Trajectory-Guided and Reciprocal Distillation for Heterogeneous Object Detectors
研究通过轨迹引导和互惠蒸馏方法，解决了异构物体检测器间知识碎片化问题，实现检测器社会的集体进化。
0 citationsRead paper
SonarLLM: A Native Sonar--Optical Multimodal Large Language Model for Underwater Perception
为解决水下感知问题，提出SonarLLM模型，结合声纳和光学模态，通过特定编码器、特征增强及层次融合方法，提高在不同能见度下的感知可靠性。
0 citationsRead paper
Socialized Division and Collaboration: Rethinking Class-Incremental Learning under Optimization Conflicts
本文针对类增量学习中因优化冲突导致的灾难性遗忘问题，提出一种基于社会团结理论的Socialized Division and Collaboration方法，通过专门模型分解和协作来解决。
0 citationsRead paper