2385 Arbeiten
Die Studie zeigt, dass das LoRA-Fine-Tuning von LLM-basierten TTS-Systemen bei ausreichend vielfältigen Trainingsdaten die Sprachqualität, Sprecherähnlichkeit und das Signal-Rausch-Verhältnis signifikant verbessert und dabei die Grenzen gefrorener Basismodelle überwindet.
Diese Arbeit stellt die „Historical Consensus Training"-Methode vor, die durch iterative Auswahl und Optimierung von Gaußschen Mischverteilungs-Priors einen stabilen Parameterbereich schafft, der das Posterior-Collapse-Phänomen in Variational Autoencodern unabhängig von Architektur oder Regularisierung vollständig verhindert.
Die Arbeit stellt RAD vor, ein neuartiges Framework für das sichere Reinforcement Learning aus menschlichem Feedback, das durch den Einsatz von First-Order Stochastic Dominance in Kombination mit Optimal Transport und quantilengewichteten Spektralrisikomaßen die Kontrolle über Verteilungsschwänze und seltene Katastrophenereignisse ermöglicht und so robustere, schädigungsärmere KI-Modelle liefert.
Die Arbeit stellt CCGE vor, eine allgemeine Explorationsmethode für dexterous Manipulation, die durch die Zählung und Belohnung neuer Kontaktmuster zwischen Hand und Objekt das Training effizienter gestaltet und robuste Übertragbarkeit auf reale Roboter ermöglicht.
Die Arbeit stellt GroundCount vor, ein Framework, das die Zählgenauigkeit von Vision-Language-Modellen durch die Integration expliziter räumlicher Verankerung aus Objekterkennungsmodellen verbessert und so Halluzinationen reduziert, wobei die Wirksamkeit stark von der Architekturkompatibilität und der Art der Eingabe (z. B. Positionscodierung) abhängt.
Diese Studie zeigt, dass die Integration von Künstlicher Intelligenz, insbesondere durch maschinelles Lernen und natürliche Sprachverarbeitung, als Katalysator für Innovation in der Softwareentwicklung wirkt, indem sie repetitive Aufgaben automatisiert und bestehende Agile-Praktiken optimiert, um Qualität und Geschwindigkeit unter sich ständig wandelnden Anforderungen zu sichern.
Dieses Papier analysiert auf Basis von Interviews mit 16 Experten die methodischen Herausforderungen, die sich aus der Anwendung von randomisierten kontrollierten Studien (RCTs) zur Bewertung von KI-gestützten menschlichen Leistungssteigerungen bei hochentwickelten KI-Systemen ergeben, und stellt praktische Lösungen für die Interpretation dieser Evidenz in hochriskanten Entscheidungsszenarien vor.
In einer interdisziplinären Zusammenarbeit zwischen Informatikern und Kunsthistorikern untersucht diese Studie, wie Vision-Language-Modelle künstlerische Stile erkennen, und zeigt durch quantitative Analysen und Expertenbewertungen, dass die meisten für die Stilvorhersage genutzten Konzepte von Kunsthistorikern als semantisch kohärent und relevant eingestuft werden.
Das Paper stellt IsalGraph vor, eine Methode zur kompakten Darstellung beliebiger endlicher Graphen als Zeichenkette über einem neun Zeichen umfassenden Alphabet, die durch einen kleinen virtuellen Maschinencode erzeugt wird, isomorphieinvariant ist und eine starke Korrelation zwischen dem Levenshtein-Abstand der Strings und dem Graph-Edit-Abstand aufweist.
Die Arbeit stellt V2M-Zero vor, eine Methode zur Erzeugung von zeitlich synchronisierter Musik aus Videos ohne gepaarte Trainingsdaten, indem sie die gemeinsame zeitliche Struktur beider Modalitäten über intramodale Ereigniskurven nutzt, um Text-zu-Musik-Modelle effektiv für Video-zu-Musik-Aufgaben anzupassen.
Die Arbeit stellt NeFTY vor, ein differenzierbares physikalisches Framework, das mithilfe eines neuronalen Feldes und eines rigorosen numerischen Löschers die quantitative 3D-Rekonstruktion von Materialeigenschaften und die Lokalisierung von Untergrundfehlern aus transienten Oberflächentemperaturmessungen ermöglicht.
Die Arbeit stellt LiTo vor, eine 3D-Latenzdarstellung, die Geometrie und view-abhängige Erscheinung durch Tokenisierung von Oberflächenlichtfeldern vereint, um realistische optische Effekte zu erzeugen und die Generierung von 3D-Objekten mit konsistenten Materialien und Beleuchtung aus einem einzigen Eingabebild zu ermöglichen.
Die Arbeit stellt ein vollautomatisiertes KI-System vor, das mithilfe einer populationbasierter Agentenarchitektur und durch Analyse von YouTube-Comedy-Videos trainierter LLM-Kritiker kurze Sketch-Comedy-Videos in professioneller Qualität generiert.
Die Studie stellt SDR-GAIN vor, ein Echtzeit-Generatives Adversarial Network, das durch Separation und Dimensionsreduktion verdeckte Gelenkpunkte von Fußgängern in autonomen Fahrszenarien präzise rekonstruiert und dabei die Leistung bestehender Methoden auf den Datensätzen COCO und JAAD übertrifft.
Die vorgestellte Arbeit stellt einen Temporal-Spectral-Fusion-Transformer mit einem subjektspezifischen Adapter (TSformer-SA) vor, der durch die Fusion von zeitlichen und spektralen EEG-Informationen sowie die Nutzung von Vorwissen aus bestehenden Probanden die RSVP-BCI-Decodierungsgenauigkeit auch bei limitierten Trainingsdaten für neue Nutzer signifikant verbessert und die Systembereitstellung beschleunigt.
Der Artikel stellt PnLCalib vor, eine optimierungsbasierte Methode zur Kalibrierung von Sportkameras in Übertragungsvideos, die durch die Kombination eines 3D-Fußballfeldmodils mit einer nichtlinearen Verfeinerung mittels erkannten Feldlinien eine robustere und präzisere Registrierung unter schwierigen Bedingungen wie variierenden Kamerawinkeln und Verdeckungen ermöglicht.
Die Studie stellt DP-IQA vor, eine bahnbrechende Methode zur blinden Bildqualitätsbewertung, die das Wissen vortrainierter Diffusionsmodelle nutzt und durch Wissensdestillation in ein leichtgewichtiges CNN überführt wird, um in komplexen, realen Szenarien eine state-of-the-art Generalisierungsfähigkeit zu erreichen.
Diese Arbeit stellt ScenarioFuzz vor, eine neuartige, historisch informierte Fuzzing-Methode für autonome Fahrsysteme, die durch die Kombination von Graph-Neural-Networks und selbstüberwachtem Clustering die Effizienz der Fehlererkennung um 60,3 % steigert und dabei 58 neue Fehler in sechs verschiedenen Systemen aufdeckt.
Dieses Papier stellt eine skalierbare, verteilte Multi-Agenten-Lösung mit Q-Learning vor, die die Latenz bei HD-Karten-Updates in Fahrzeugnetzen im Vergleich zu Single-Agent-Ansätzen signifikant reduziert und dabei die Rechenlast sowie Kompatibilitätsprobleme vermeidet.
Die vorgestellte Arbeit stellt CoHet vor, einen dezentralen Multi-Agenten-Reinforcement-Learning-Algorithmus, der mittels graphbasierten intrinsischen Belohnungen die Zusammenarbeit heterogener Agenten unter Bedingungen partieller Beobachtbarkeit und seltener Umweltbelohnungen effektiv verbessert.