3720 Arbeiten
Das Paper stellt PromptGate vor, ein adaptives, auf Vision-Language-Modellen basierendes Framework für das offene Set im föderierten aktiven Lernen, das durch dynamische, kontextspezifische Prompts die Reinheit der Datenpools in ressourcenbeschränkten medizinischen Umgebungen sichert und so die Annotationseffizienz bei gleichzeitiger Wahrung der Patientendatenschutz erhöht.
Die Arbeit stellt ACD-U vor, ein asymmetrisches Co-Teaching-Framework, das durch die Kombination eines CLIP-vorabtrainierten Vision-Transformers mit einem CNN sowie den Einsatz von Machine Unlearning zur aktiven Korrektur von Fehlerklassifizierungen einen neuen State-of-the-Art bei der robusten Verarbeitung von Daten mit verrauschten Labels erreicht.
Diese Studie entwickelt und bewertet einen Visualisierungsrahmen für Transformer-Modelle in der computergestützten Pathologie, der zeigt, dass Klassenvisualisierungen und Aktivationsatlanten zwar morphologische Strukturen auf Gewebeebene gut abbilden, jedoch bei feineren Krebs-Subklassen eine mit der intrinsischen pathologischen Komplexität korrelierende reduzierte Trennschärfe und Experteneinigkeit aufweisen.
Der Artikel stellt FreeFly-Thinking vor, ein End-to-End-Framework für die autonom gesteuerte UAV-Navigation in komplexen Außenbereichen, das durch Chain-of-Thought-Reasoning und eine zweistufige Trainingsstrategie aus überwachtem Feinabstimmen und Reinforcement Learning die Interpretation natürlicher Sprachbefehle in kontinuierliche Flugmanöver verbessert.
Das Paper stellt FastSTAR vor, ein training-freies Beschleunigungsframework für die autoregressive Videosynthese, das durch spatiotemporales Token-Pruning und partielle Updates redundante Berechnungen eliminiert und so eine bis zu 2,01-fache Geschwindigkeitssteigerung bei minimaler Qualitätsverlust erreicht.
Die vorgestellte Arbeit stellt eine Methode namens SPCP vor, die die Robustheit von Out-of-Distribution-Erkennung verbessert, indem sie während des Trainings die Abhängigkeit von wenigen dominanten Parametern reduziert und stattdessen eine breitere, dichtere Parameterbeitragsverteilung fördert, um übermäßige Selbstsicherheit bei unbekannten Eingaben zu verhindern.
Das Paper stellt VINO vor, einen selbstüberwachten Lernansatz, der durch einen strukturellen Prior und asymmetrische Destillation in Video-Daten die Abhängigkeit von Kontext-Clues reduziert und robuste, objekzzentrierte Repräsentationen erlernt, die die Leistung bestehender Baselines bei der unsupervisierten Objekterkennung deutlich übertreffen.
Das Paper stellt LightMedSeg vor, eine leichte 3D-Medizinbild-Segmentierungsarchitektur, die durch anatomische Priors und adaptive Kontextmodellierung eine hohe Genauigkeit bei minimalem Rechenaufwand und nur 0,48 Millionen Parametern erreicht.
Das Paper stellt BATDiff vor, ein unüberwachtes Diffusionsmodell, das mithilfe einer bivariaten A-Trous-Wavelet-Transformation strukturierte skalenübergreifende Anleitung bietet, um bei der Single-Image-Super-Resolution schärfere und strukturell konsistentere Ergebnisse mit weniger Artefakten zu erzielen.
Das Paper stellt HY-WU (Weight Unleashing) vor, ein erweiterbares, funktional neuronales Speicherframework, das die Anpassung von Basismodellen durch die synoptische Generierung instanzspezifischer Gewichts-Updates auf Basis von Bedingungen ermöglicht, anstatt statische Parameter zu überschreiben, um so kontinuierliches Lernen und Personalisierung ohne Interferenz zu unterstützen.
Das Paper stellt FabricGen vor, ein End-to-End-Framework, das durch die Kombination eines auf textfreien Stoffen feinabgestimmten Diffusionsmodells für Makrostrukturen und eines durch ein spezialisiertes WeavingLLM gesteuerten prozeduralen Modells für Mikrostrukturen realistische, textgesteuerte Webstoffmaterialien mit detaillierten Garnstrukturen generiert.
Die Arbeit stellt PresentBench vor, ein fein abgestimmtes, rubrikbasiertes Benchmark-System zur Evaluierung der automatisierten Erstellung von Präsentationsfolien, das durch detaillierte Checklisten eine genauere Bewertung ermöglicht und zeigt, dass NotebookLM andere Methoden deutlich übertrifft.
Die Arbeit stellt LEPA vor, eine Architektur, die durch das direkte Vorhersagen transformierter Embeddings unter Berücksichtigung geometrischer Augmentierungen die Unzuverlässigkeit herkömmlicher Interpolationsverfahren in Geospatial-Grundmodellen überwindet und so präzise geometrische Anpassungen ohne Neu-Encoding ermöglicht.
Die Arbeit stellt Variational Flow Maps vor, ein Framework für die bedingte Generierung, das durch das Lernen einer angepassten Rauschverteilung anstelle des Verfolgens eines iterativen Pfades hochwertige Bilder in einem einzigen Vorwärtsschritt erzeugt und damit inverse Probleme effizient löst.
Diese Arbeit stellt den BD-VITON-Datensatz für traditionelle bangladeschische Kleidung vor, um die Generalisierungsfähigkeit von virtuellen Anprobe-Modellen über westliche Standards hinaus zu verbessern, und evaluiert verschiedene State-of-the-Art-Modelle auf diesem neuen Benchmark.
Die Arbeit stellt MAviS vor, ein multimodales KI-System, das auf einem umfassenden Datensatz für über 1.000 Vogelarten basiert, um durch die Integration von Bild-, Audio- und Textdaten präzise artspezifische Fragen zu beantworten und so den Fortschritt im Bereich des Naturschutzes und der ökologischen Überwachung zu fördern.
Die vorgestellte Arbeit zeigt, dass die Kombination von adversariellem Training mit einem leichtgewichtigen Feature-Map-Glättungsblock stabile, spärliche und vertrauenswürdige Saliency-Karten erzeugt, indem sie die Stabilitätsnachteile des adversariellen Trainings ausgleicht und gleichzeitig die menschliche Wahrnehmung der Erklärungen verbessert.
Die Arbeit stellt StructSAM vor, ein neuartiges Token-Merging-Framework, das durch die Erhaltung von Struktur- und Spektraleigenschaften die Effizienz von Segment-Anything-Modellen (SAM) steigert, ohne dabei die Präzision der Randvorhersage oder Prompt-Informationen zu beeinträchtigen.
Der Artikel stellt Faster-HEAL vor, ein effizientes und datenschutzfreundliches Framework für die kollaborative Wahrnehmung heterogener autonomer Fahrzeuge, das durch feine Anpassung von Low-Rank-Visual-Prompts und pyramidenförmiger Fusion eine deutliche Leistungssteigerung bei minimalem Rechenaufwand ermöglicht.
Diese Arbeit stellt einen leichten, auf digitalen Zwillingen basierenden Rahmen für die Fahrzeugverfolgung und Kollisionsvorhersage vor, der ohne komplexe Trajektorienvorhersagemodelle auskommt und sich durch geringen Rechenaufwand für den Echtzeit-Einsatz an Edge-Geräten in intelligenten Verkehrssystemen eignet.