3919 Arbeiten
Diese Arbeit stellt mit UniDiffDA ein einheitliches Analyseframework für diffusionsbasierte Daten-Augmentierung vor, das durch eine systematische Zerlegung in Kernkomponenten und eine umfassende, faire Benchmark-Studie unter einheitlichen Bedingungen praktische Einblicke in die Stärken und Grenzen verschiedener Methoden liefert.
Die Arbeit stellt Adaptive Manifold Prototypes (AMP) vor, ein Framework, das durch die Nutzung der Riemannschen Optimierung auf der Stiefel-Mannigfaltigkeit das Problem des Prototyp-Kollapses bei interpretierbaren Netzwerkmodellen verhindert und gleichzeitig die Klassifikationsgenauigkeit sowie die kausale Zuverlässigkeit verbessert.
Diese Studie stellt ein auf rectified flow basierendes KI-Modell vor, das aus prätherapeutischen MRT-Bildern und Bestrahlungsdosisplänen realistische posttherapeutische Hirn-MRTs von Gliom-Patienten in Echtzeit generiert, um die adaptive Behandlungsplanung und die personalisierte Vorhersage von Therapieergebnissen zu unterstützen.
Die Studie stellt DDHF vor, ein Echtzeit-Verfahren zur Detektion von Drohnen in Event-Kamera-Daten mittels nicht-uniformer diskreter Fourier-Transformation, das durch rein analytische Frequenzanalysen eine höhere Genauigkeit und geringere Latenz als herkömmliche Deep-Learning-Modelle wie YOLO erreicht.
Das Paper stellt AULLM++ vor, ein auf Large Language Models basierendes Framework für die Mikroexpressionserkennung, das durch eine mehrstufige strukturelle Argumentation, die Fusion von visuellen und semantischen Merkmalen sowie die Modellierung von AU-Beziehungen den aktuellen Stand der Technik erreicht.
Das Paper stellt StructBiHOI vor, ein hierarchisches Framework, das durch die Entkopplung langfristiger Gelenkplanung und feinkörniger Manipulationsverfeinerung sowie den Einsatz eines Mamba-basierten Diffusionsdenoisers stabile und physikalisch plausible bimanuelle Hand-Objekt-Interaktionen über lange Zeiträume generiert.
Die Arbeit stellt SPIRAL vor, ein geschlossenes Regelkreissystem für selbstverbessernde Aktions-Weltmodelle, das durch reflektierende Planungsagenten und iterative Verfeinerung die semantische Ausrichtung und zeitliche Konsistenz bei der Erzeugung langfristiger Videos verbessert.
Die Arbeit stellt GRACE vor, einen adaptiven Rahmen für das inkrementelle Klasslernen, der durch einen zyklischen Prozess aus Wachstum, Bewertung und Kompression das Vergessen minimiert und gleichzeitig den Speicherbedarf im Vergleich zu reinen Expansionsmethoden um bis zu 73 % reduziert.
Die Arbeit stellt IMaX vor, eine auf dem InfoMax-Prinzip basierende Methode, die durch Maximierung der gegenseitigen Information zwischen Merkmalen und latenten Labels unter Einbeziehung eines α-entropischen Ziels die Leistung von semi-überwachtem Domain-Generalization bei langschwanzigen Klassenverteilungen verbessert.
Die Studie stellt VET-Bench vor, einen Benchmark, der zeigt, dass aktuelle Vision-Language-Modelle beim Verfolgen ununterscheidbarer Objekte scheitern, und schlägt mit SGCoT eine Methode vor, die durch explizite Trajektorien-Generierung die Genauigkeit auf über 90 % steigert.
Die Arbeit stellt Alfa vor, eine Methode zur testzeitlichen Personalisierung von Blickschätzungsmodellen, die durch eine aufmerksamkeitsgesteuerte, niedrigrangige Filteranpassung vortrainierte Strukturen neu gewichtet, um mit wenigen ungelabelten Proben präzise, nutzerspezifische Anpassungen zu ermöglichen und dabei den aktuellen Stand der Technik zu übertreffen.
Die Arbeit stellt X-AVDT vor, einen robusten Deepfake-Detektor, der durch die Analyse interner Audio-Visual-Cross-Attention-Mechanismen und die Einführung des neuen Multimodal-Datensatzes MMDF eine überlegene Generalisierungsfähigkeit gegenüber zukünftigen Generatoren erreicht.
Die vorgestellte Arbeit schlägt Visual Self-Fulfilling Alignment (VSFA) vor, eine label-freie Methode, die durch das Feinabstimmen von Multimodalen Sprachmodellen auf neutrale Fragen zu bedrohlichen Bildern implizit Sicherheitsbewusstsein und wachsame Persönlichkeiten fördert, ohne explizite Sicherheitslabels zu benötigen.
Das Paper stellt Spherical-GOF vor, ein geometrieawarees Framework zur 3D-Szenenrekonstruktion aus omnidirektionalen Bildern, das durch direkte Kugelfeld-Ray-Sampling und angepasste Filterung im sphärischen Raum Verzerrungen vermeidet und im Vergleich zu bestehenden Methoden deutlich verbesserte geometrische Konsistenz sowie Photometrie auf Benchmark-Datensätzen und einem neu eingeführten realen Roboter-Dataset (OmniRob) erreicht.
Die Arbeit stellt OccTrack360, ein neues Benchmark-Dataset für die 4D-panoptische Occupancy-Verfolgung aus Fisheye-Umgebungskameras, sowie das Framework FoSOcc vor, das durch spezielle Module für sphärische Projektion und räumliche Lokalisierung die Verfolgungsqualität verbessert.
Die Arbeit stellt den „Interactive World Simulator" vor, ein Framework, das auf Konsistenzmodellen basiert, um aus moderaten Roboterdatensätzen schnelle und physikalisch konsistente Weltmodelle zu erstellen, die sowohl das skalierbare Training von Roboterkontrollpolitiken als auch eine zuverlässige Evaluierung in der realen Welt ermöglichen.
Die vorgestellte Arbeit stellt einen Online-FISTA-Algorithmus vor, der durch inkrementelle rekonstruktive Sparse Coding-Verfahren und eine speichereffiziente rekursive Aktualisierung die Echtzeit-Bildgebung von Synthetic Aperture Radar (SAR) auf ressourcenbeschränkten autonomen Drohnen ermöglicht und so komplexe nachgelagerte Aufgaben wie die automatische Zielidentifikation (ATR) direkt während der Datenerfassung unterstützt.
Die Arbeit stellt DualFlexKAN vor, eine flexible Architektur für Kolmogorov-Arnold-Netzwerke mit einem zweistufigen Mechanismus zur unabhängigen Steuerung von Transformationen und Aktivierungen, die durch den Einsatz hybrider Basisfunktionen und konfigurierbarer Regularisierung die Skalierbarkeit und Effizienz gegenüber herkömmlichen KANs und MLPs signifikant verbessert.
Das Paper stellt PRISM vor, ein einheitliches Modell für die Streaming-Generierung menschlicher Bewegungen, das durch einen joint-faktorisierten latenten Raum und eine rauschfreie Bedingungsinjektion die Entanglement-Probleme bestehender Autoencoder löst und gleichzeitig Text-zu-Bewegung, pose-bedingte Generierung sowie autoregressive Sequenzsynthese in einem einzigen Framework vereint.
Diese Arbeit stellt einen schwach überwachten Lehrer-Schüler-Rahmen mit progressiver Verfeinerung von Pseudo-Masken vor, der mithilfe sparer pathologischer Annotationen und eines stabilisierten Lehrernetzwerks eine annotierungseffiziente und generalisierbare Segmentierung von Drüsenstrukturen in der kolorektalen Histopathologie ermöglicht.