3756 Arbeiten
Der Artikel stellt FedEU vor, einen evidenzbasierten Unsicherheitsrahmen für das federierte Fine-Tuning von Vision-Grundmodellen zur Fernerkundungssegmentierung, der durch personalisierte Unsicherheitsmodellierung und eine adaptive Top-k-Aggregation robuste und zuverlässige Ergebnisse in heterogenen Umgebungen gewährleistet.
Der Artikel stellt EVLF (Early Vision-Language Fusion) vor, eine Plug-and-Play-Methode für die generative Datensatz-Distillation, die durch eine frühe Fusion von Text- und Visual-Embeddings in Diffusionsmodellen semantisch treue und visuell kohärente synthetische Daten erzeugt, um die Genauigkeit bei nachgelagerten Klassifikationsaufgaben zu verbessern.
Die vorgeschlagene Multi-Modal Decouple and Recouple Network verbessert die robuste 3D-Objekterkennung unter Datenkorruption, indem sie BEV-Features in modality-invariante und modality-spezifische Anteile zerlegt, diese durch gegenseitige Kompensation wiederherstellt und über spezialisierte Experten sowie eine adaptive Fusion verarbeitet.
Die Arbeit stellt mit RobustSCI einen bahnbrechenden Ansatz vor, der die Snapshot Compressive Imaging (SCI) von der bloßen Rekonstruktion zur Wiederherstellung degradierter Szenen erweitert, indem sie erstmals ein umfassendes Benchmark und ein neuartiges Netzwerk mit dekonvolutions- und frequenzbasierten Komponenten einführt, um auch unter realen Bedingungen wie Bewegungsunschärfe und schwachem Licht hochwertige Ergebnisse zu erzielen.
Die Arbeit stellt RayD3D vor, eine Methode zur robusten multi-sichtbasierten 3D-Objekterkennung, die durch die gezielte Destillation von Tiefenwissen entlang der Sichtstrahlen von Kamera zu LiDAR die Übertragung irrelevanter Informationen minimiert und so die Robustheit bestehender BEV-Modelle unter verschiedenen Datenkorruptionen signifikant verbessert, ohne die Inferenzkosten zu erhöhen.
Die Arbeit stellt DocCogito vor, ein einheitliches Framework für das Dokumentenverständnis, das durch die Integration globaler Layout-Vorwissen und einer deterministischen, regionsbasierten visuell-semantischen Kette (VSC) sowie eines progressiven Trainingsansatzes eine präzise, evidenzgestützte Schlussfolgerung in multimodalen großen Sprachmodellen ermöglicht.
Die Arbeit stellt AMR-CCR vor, ein verankerndes modulares Abrufsystem für die kontinuierliche Erkennung chinesischer Schriftzeichen, das durch einen skriptbedingten Injektionsmechanismus und einen multi-prototypischen Wörterbuchansatz das Problem des wachsenden Klassenraums und der stilistischen Vielfalt bei der Digitalisierung des kulturellen Erbes löst und durch den neuen EvoCON-Benchmark evaluiert wird.
Diese Arbeit stellt ein neuartiges Framework zur hochauflösenden Generierung medizinischer Formen vor, das einen differentiellen Skelettisierungsmodul mit einem latenten Diffusionsmodell kombiniert, um die geometrische Komplexität anatomischer Strukturen effizient zu erfassen und gleichzeitig eine neue große Datensammlung namens MedSDF bereitstellt.
Diese Arbeit stellt eine einheitliche Theorie vor, die Drifting-Modelle als score-basierte Methode auf kernel-gesättigten Verteilungen interpretiert und zeigt, dass der Drift-Feld für Gauß-Kerne exakt der Score-Differenz entspricht, während für Laplace-Kerne präzise Fehlerabschätzungen für niedrige Temperaturen und hohe Dimensionen hergeleitet werden.
Der Artikel stellt EvolveReason vor, ein sich selbst weiterentwickelndes Paradigma, das durch menschenähnliches Chain-of-Thought-Reasoning, die Erfassung von Fälschungs-Latenträumen und eine verstärkende Lernstrategie die Genauigkeit und Erklärbarkeit bei der Identifizierung von Deepfake-Gesichtern verbessert.
Die Arbeit stellt SketchGraphNet vor, einen speicher-effizienten hybriden Graph-Transformer für die Erkennung von Großskizzen, der auf einem neuartigen Benchmark namens SketchGraph mit 3,44 Millionen graphenbasierten Skizzen trainiert wurde und dabei sowohl die Genauigkeit als auch die Ressourceneffizienz im Vergleich zu bestehenden Methoden signifikant verbessert.
Das Paper stellt ACCURATE vor, ein 3D-Rekonstruktionsframework, das neuronale Segmentierung mit einem geometrie-beschränkten Topologie-Traversierungs- und Dynamischen-Programmierungsalgorithmus kombiniert, um die präzise und robuste Rekonstruktion beliebig geformter, langer, schlanker Kontinuumskörper wie Katheter aus zwei Röntgenansichten zu ermöglichen.
Die vorgestellte Arbeit schlägt einen semantisch-geometrischen Ansatz vor, der die Robustheit der UAV-Satelliten-Kreuzblick-Geolokalisierung unter realen Skalierungsunsicherheiten verbessert, indem sie kleine Fahrzeuge als semantische Anker nutzt, um über ein entkoppeltes stereoskopisches Projektionsmodell den absoluten Maßstab zu rekonstruieren und die Bildausrichtung anzupassen.
Die Arbeit stellt UniLongGen vor, eine trainingsfreie Inferenzstrategie, die durch dynamische Kuratierung und gezieltes Vergessen störender visueller Informationen die Zuverlässigkeit von Unified Multimodal Models bei der Generierung langer, interleaved Bilder-Text-Narrative sicherstellt.
Das Paper stellt CONSTANT vor, ein neuartiges Diffusionsmodell für die One-Shot-Handschreibengenerierung, das durch Style-Aware Quantization und patch-basierte kontrastive Lernverfahren die Herausforderung meistert, komplexe und diverse Handschriftstile aus nur einem Referenzbild realistisch und detailliert nachzubilden.
Das Paper stellt DreamSAC vor, ein Framework, das durch eine unsupervisierte Symmetrie-Exploration mit Hamilton-basiertem Neugier-Anreiz und einem Hamilton-basierten Weltmodell physikalische Invarianzen lernt, um die Extrapolationsfähigkeit von Agenten in 3D-Physiksimulationen signifikant zu verbessern.
ReconDrive ist ein feed-forward Framework, das den 3D-Foundation-Modell VGGT durch hybride Vorhersageköpfe und eine statisch-dynamische 4D-Kompositionsstrategie erweitert, um für autonome Fahrzeugszenen eine skalierbare, hochpräzise und extrem schnelle 4D-Gaussian-Splatting-Rekonstruktion zu ermöglichen, die in der Qualität mit optimierungsintensiven Methoden konkurriert, aber um Größenordnungen schneller ist.
Diese Arbeit stellt einen auf aktiver Inferenz basierenden Rahmen für die Mikrogestenerkennung vor, der durch expected-free-energy-gesteuerte zeitliche Abtastung und unsicherheitsbasiertes adaptives Lernen robuste und interpretierbare Ergebnisse unter schwierigen Bedingungen wie geringen Datenmengen und Rauschen ermöglicht.
Der Paper stellt PureCC vor, eine Methode zur Text-zu-Bild-Konzeptanpassung, die durch einen entkoppelten Lernansatz und einen adaptiven Führungsmechanismus eine hochpräzise Personalisierung ermöglicht, ohne dabei das ursprüngliche Verhalten und die Fähigkeiten des Modells zu beeinträchtigen.
Das Paper stellt Brain-WM vor, ein bahnbrechendes Weltmodell für Glioblastome, das mittels einer neuartigen Y-förmigen Mixture-of-Transformers-Architektur die ko-evolutionäre Dynamik zwischen Tumor und Behandlung simuliert, um sowohl die zukünftige MRT-Bildgebung als auch die Behandlungsplanung präzise vorherzusagen.