5349 Arbeiten
Die Autoren stellen eine neuartige Matrix-Kodierungsmethode namens „Volley Revolver" vor, die es ermöglicht, eine convolutional Neural Network für die Klassifizierung handschriftlicher Bilder effizient und datenschutzkonform unter Verwendung von homomorpher Verschlüsselung durchzuführen, wobei 32 verschlüsselte MNIST-Bilder auf einer öffentlichen Cloud in etwa 287 Sekunden verarbeitet werden.
Die Arbeit stellt ein neuartiges, quantenbasiertes Kamera-System vor, das mithilfe von Double Deep Q-Learning die Privatsphäre und den Nutzen von Bildern steuert, indem diese bis zur Messung in reversiblen Quantenzuständen gespeichert werden.
Der Artikel stellt GeoTop vor, ein mathematisch fundiertes Framework, das Topologische Datenanalyse und Lipschitz-Killing-Krümmungen vereint, um die Unterscheidung zwischen gutartigen und bösartigen Strukturen in der diagnostischen Bildgebung durch die Kombination topologischer Invarianz mit geometrischer Sensitivität zu verbessern und dabei sowohl die Genauigkeit als auch die Interpretierbarkeit zu steigern.
Diese Arbeit stellt eine neue Methode für die offene Vokabular-Tarnobjekt-Instanzsegmentierung vor, die Diffusionsmodelle nutzt, um durch die Fusion von visuellen und textuellen Merkmalen getarnte Objekte auch in unbekannten Klassen präzise zu segmentieren.
Die Arbeit stellt Export3D vor, eine Methode zur einmaligen, 3D-bewussten Porträtanimation, die durch einen neuartigen Tri-Plane-Generator und ein kontrastives Vor-Training Ausdrücke und Kameraperspektiven steuern kann, ohne dabei bei ausdruckskontrollierter Animation über verschiedene Identitäten hinweg unerwünschte Gesichtsmerkmale zu übertragen.
Die Arbeit stellt FireANTs vor, einen training-freien, GPU-beschleunigten multi-skalierten adaptiven Riemannschen Optimierungsalgorithmus für die dichte diffeomorphe Bildregistrierung, der im Vergleich zu bestehenden Methoden eine deutlich schnellere Verarbeitung, einen geringeren Speicherbedarf und eine hohe Robustheit über verschiedene Modalitäten hinweg bietet.
Das Paper stellt Merlin vor, ein dreidimensionales Vision-Language-Foundation-Modell, das mithilfe eines mehrstufigen Vortrainings auf einem großen Datensatz aus CT-Scans, Diagnosedaten und radiologischen Berichten trainiert wurde und bei der automatisierten Analyse von Bauch-CTs verschiedene diagnostische, prognostische und qualitative Aufgaben besser bewältigt als bestehende 2D-Modelle.
Die Arbeit stellt TrashFuzz vor, einen Black-Box-Fuzzing-Ansatz, der durch die realistische Manipulation der Positionen alltäglicher Straßenseitenobjekte gemäß regulatorischer Richtlinien gezielt Wahrnehmungsfehler autonomer Fahrzeuge erzeugt und damit Verkehrsverstöße im Apollo-System provoziert.
Das Paper stellt FINE vor, eine neuartige Vortrainierungsmethode für Diffusionsmodelle, die Wissen in wiederverwendbare „Learngenes" zerlegt, um Modelle unterschiedlicher Größen effizient und ohne wiederholtes Vortraining initialisieren zu können.
Diese Studie etabliert erstmals Skalierungsgesetze für Diffusionstransformer (DiT), die es ermöglichen, auf Basis von Rechenbudgets optimale Modellgrößen und Datenmengen vorherzusagen sowie die Generationsleistung und Datenqualität kosteneffizient zu bewerten.
TextMaster ist ein einheitliches Framework für realistische Textbearbeitung, das durch die Kombination von hochauflösenden Glypheninformationen, einem Wahrnehmungsverlust und einem neuartigen Stil-Injektionsmechanismus präzise Schriftarten und kontrollierbare Layouts in verschiedenen Bildbereichen ermöglicht.
Die Arbeit stellt FlowCLAS vor, ein hybrides Framework, das Normalizing Flows durch einen kontrastiven Lernansatz mit Outlier Exposure verbessert, um die Leistung bei der Anomalie-Segmentierung in dynamischen Roboterszenen zu steigern und die Lücke zu diskriminativen Methoden zu schließen.
Die Arbeit stellt VideoMindPalace vor, ein neuartiges Framework, das mithilfe von handgestützter Objektverfolgung, Aktivitätszonen und Umgebungslandkarten semantische Graphen zur strukturierten Analyse langer Videos erstellt, um die räumlich-zeitliche Kohärenz und das menschenähnliche Schlussfolgern von Large Vision Language Models zu verbessern.
Die Studie stellt DCENWCNet vor, ein neuartiges Ensemble-Modell aus drei CNN-Architekturen mit LIME-basierter Erklärbarkeit, das auf dem Rabbin-WBC-Datensatz eine überlegene Leistung bei der Klassifizierung von weißen Blutkörperchen im Vergleich zu bestehenden State-of-the-Art-Methoden erzielt.
Die vorgestellte Arbeit stellt STAG vor, einen parameter-effizienten Feinabstimmungsalgorithmus für 3D-Punktwolken-Transformer, der durch einen parallelen graphbasierten Seiten-Netzwerk-Ansatz die Rechen- und Speicherkosten erheblich senkt, während er die Klassifizierungsgenauigkeit beibehält, und führt zudem den neuen Benchmark PCC13 zur umfassenden Evaluation ein.
Die Autoren stellen das UNB StepUP-P150-Dataset vor, eine umfassende Datenbank mit hochauflösenden plantaren Druckdaten von 150 Probanden unter verschiedenen Gehgeschwindigkeiten und Schuhbedingungen, die als neuer Benchmark für die Analyse und biometrische Erkennung des Gangbildes dient.
Die vorgestellte Arbeit führt ein neues, effizientes Generativmodell für menschenähnliche Geometrie ein, das durch die Kodierung von Verteilungen als 2D-Feature-Maps und die Verwendung von SMPL-Modellen als Domäne in einem zweistufigen Trainingsparadigma hochwertige, kleidungsdetaillierte Avatare mit 57 % verbesserter Qualität im Vergleich zu bestehenden Methoden erzeugt.
Die Arbeit stellt Implicit U-KAN 2.0 vor, ein neuartiges, theoretisch fundiertes und interpretierbares medizinisches Bildsegmentierungsnetzwerk, das durch die Integration von MultiKAN-Schichten und zweiten Ordnungs-Neuronalen Gewöhnlichen Differentialgleichungen (SONO) die Leistung und Effizienz bestehender U-Net-Architekturen übertrifft.
Diese Studie analysiert umfassend neun Qualitätsdimensionen von Bildklassifizierungsmodellen, identifiziert Schlüsselfaktoren wie Selbstüberwachtes Lernen und Datensatzgröße für deren Verbesserung und stellt mit dem QUBA-Score eine neue Metrik vor, die Modelle jenseits der reinen Genauigkeit bewertet.
Die Arbeit stellt DeCon vor, ein effizientes selbstüberwachtes Lernframework, das durch das gemeinsame kontrastive Vor-Training von Encoder und Decoder die Repräsentationsqualität für dichte Vorhersageaufgaben wie Objekterkennung und Segmentierung signifikant verbessert.