最新写了一个通过大语言模型 LLM 解读最新 arXiv 论文的 Github 项目 latest_arxiv_analyze_ai ，分析cs.AI分类下的最新论文大概每天 400 多篇，结构化输出Background(论文背景)，Innovation （创新点），Conclusion (结论)等关键信息，帮助大家快速了解最新的研究成功。

通过 LLM 对最新的 arXiv 论文进行解读后，我导出了三份文件：

1. markdown：以 markdown 格式组织，方便阅读。
2. atom.xml: 以 atom.xml 格式组织，大家可以使用 RSS 阅读器或 Zotero 进行订阅，每天更新后自动推送，推荐订阅。
3. rss.xml: 以 rss.xml 格式组织，大家可以使用 RSS 阅读器或 Zotero 进行订阅，每天更新后自动推送。

欢迎大家 Star 我的这个 Github 项目，持续关注项目进度： latest_arxiv_analyze_ai

目前更多的论文主题解读进行中，希望能够帮助到大家～～

下面是一个栗子：

367. cs.AI - 高效零售视频注释：适用于商品和顾客互动分析的稳健关键帧生成方法 PDF, HTML

Authors

Varun Mannam,Zhenyu Shi

Background

准确的视频注释在现代零售应用中扮演着至关重要的角色，包括客户行为分析、产品互动检测以及店内活动识别。然而，传统注释方法很大程度上依赖于耗费时间的手动标注，导致关键帧选择不够稳健，并增加了运营成本。特别是在零售领域，解决这些挑战的需求十分迫切。

Innovation

本文提出了一种基于深度学习的方法，自动识别零售视频中的关键帧并自动标注产品和顾客。该方法利用深度神经网络学习具有辨别性的特征，并结合了适合零售环境的对象检测技术。实验结果表明，与传统方法相比，该方法在标注准确性方面与人工标注相当，同时大幅提高了零售视频注释的整体效率。该方法还能实现平均 2 倍的成本节约，通过让人工注释员审核视频数据集中少于 5%的检测帧，而自动标注其余帧，而不会影响标注质量，零售商可以显著降低运营成本。

Conclusion

该方法通过自动化关键帧检测流程，在零售视频注释任务中节省了大量时间和精力，对于诸如购物者旅程分析、产品互动检测和店内安全监控等多种零售应用场景具有高度价值。