5485 Arbeiten
Die vorgestellte Arbeit stellt „Ambient Radio Sensing" (ARS) vor, ein neuartiges ISAC-Konzept, das bestehende 5G-Signale passiv zur berührungslosen und datenschutzfreundlichen menschlichen Aktivitätserkennung nutzt und dabei durch eine innovative Hardware-Architektur sowie ein multimodales Lernframework die Herausforderung des spektralen Mangels löst.
Die Autoren stellen ein durch Fragen inspiriertes Daten-Augmentierungs-Framework vor, das die Leistung von Modellen zur Texterkennung in Szenen und Handschriften durch strukturierte Frage-Antwort-Aufgaben verbessert, die eine feinere Analyse von Zeichenattributen ermöglichen.
Die Arbeit stellt ein neues Framework für die Generierung verkehrsspezifischer Szenengraphen vor, das Unfalldaten und Tiefeninformationen nutzt, um die egozentrische Risikowahrnehmung zu verbessern und prominente Gefahren für das eigene Fahrzeug durch farbcodierte Schweregrade sowie detaillierte Wirkmechanismen zu visualisieren.
Die Arbeit stellt DM-CFO vor, einen Diffusionsmodell-basierten Ansatz zur kollisionsfreien, kompositorischen Generierung realistischer 3D-Zähne, der Layouts und Formen durch Text- und Graphenbeschränkungen sowie eine Regularisierung zur Vermeidung von Überschneidungen optimiert.
Diese Studie stellt einen Framework vor, der durch die Integration von Bewegungs- und Erscheinungsmerkmalen mittels eines an YOLO11 angepassten Zwei-Rahmen-Ansatzes für die Detektion und einer tracklet-basierten kontrastiven Lernmethode für die Identifizierung die Überwachung von Pinguinen in Tierhaltungsanlagen trotz homogener Merkmale und Umgebungsrauschen verbessert.
Diese Arbeit stellt eine Methode zur Schätzung der Kopforientierung mittels IoU-basierter Mehrheitsabstimmung vor, um die Einschränkungen herkömmlicher orientierter Begrenzungsrahmen bei der Verfolgung von verwilderten Pferden in Luftaufnahmen zu überwinden und so eine robuste Einzelverfolgung zu ermöglichen.
Die Arbeit stellt ParaHydra vor, einen neuartigen verteilten Multi-View-Image-Compression-Ansatz, der mittels eines OmniParallax-Aufmerksamkeitsmechanismus (OPAM) und einer adaptiven Informationsfusion (PMIFM) nicht nur den Rechenaufwand drastisch senkt, sondern erstmals auch die Kodierungseffizienz bestehender Multi-View-Methoden übertrifft.
Die Studie stellt den ersten UAV-basierten Datensatz für die instanzbasierte Segmentierung von Laub in offenen Waldbeständen vor und entwickelt mit LeafInst ein neues neuronales Netzwerk, das durch innovative Komponenten wie AFPN und DASP die Herausforderungen der Feinanalyse von Baumblättern unter natürlichen Bedingungen erfolgreich bewältigt und dabei den aktuellen Stand der Technik übertrifft.
Das Paper stellt RAGTrack vor, ein neuartiges Framework für die robuste RGBT-Objektverfolgung, das durch die Einführung textueller Beschreibungen mittels Multi-modal Large Language Models und die Integration von Retrieval-Augmented Generation sowie adaptiver Token-Fusion die Anpassungsfähigkeit an visuelle Veränderungen und die Unterdrückung von Hintergrundstörungen verbessert.
Das Paper stellt CoRe-BT vor, ein multimodales Benchmark-Dataset für die Klassifizierung von Hirntumoren, das MRT-Bilder, Histopathologie und klinische Texte kombiniert, um robuste Lernverfahren unter realistischen Bedingungen mit unvollständigen Daten zu erforschen.
Diese Arbeit entwickelt ein rigoroses Framework zur Erweiterung von neuronalen Operatoren für Out-of-Distribution-Eingaben durch Kernel-Approximation und RKHS-Theorie, was eine zuverlässige Erfassung von Funktionswerten und Ableitungen ermöglicht und an elliptischen PDEs auf Mannigfaltigkeiten validiert wird.
Diese Arbeit untersucht Image-based Prompt Injection (IPI), eine Black-Box-Angriffsmethode, bei der durch visuelle Anpassungen getarnte adversarische Anweisungen in Bilder eingebettet werden, um Multimodal Large Language Models (MLLMs) erfolgreich zu manipulieren und dabei bis zu 64 % Erfolgsrate unter Stealth-Bedingungen zu erreichen.
Das Paper stellt InfinityStory vor, ein neuartiges Framework, Dataset und Modell, das durch konsistente Hintergründe, nahtlose Übergänge zwischen mehreren Subjekten und Skalierbarkeit auf stundenlange Erzählungen die Herausforderungen der langformatigen Videoerstellung löst und dabei auf VBench neue Bestwerte in Bezug auf Konsistenz und Kohärenz erzielt.
Der Artikel stellt SCFlowFR vor, einen einstufigen Ansatz zur Gesichtswiederherstellung, der durch datenabhängige Kopplung, bedingte Mittelwertschätzung und eine Shortcut-Beschränkung die Effizienz und Qualität von Flow-Matching-Modellen verbessert.
Diese Dissertation stellt ein umfassendes Feldbildgebungsframework vor, das mithilfe von Computer-Vision-Algorithmen und integrierten 3D-Rekonstruktions- und Segmentierungsmethoden eine automatisierte morphologische Charakterisierung von Baustoffaggregaten unter realen Bedingungen ermöglicht.
Die Arbeit stellt InEdit-Bench vor, das erste Benchmark zur Evaluierung der Fähigkeit multimodaler Generativmodelle, logisch kohärente Zwischenschritte bei komplexen Bildbearbeitungsaufgaben zu planen, und zeigt dabei erhebliche Defizite bestehender Modelle auf.
Die Arbeit stellt MAP vor, eine neuartige Methode zum Schutz der Gesichtserkennung, die durch gezielte emotionale Bearbeitung und die gemeinsame Optimierung von Zielidentität und Mimik die Privatsphäre in schwarzen Kisten-Szenarien wirksam bewahrt und dabei eine hohe Bildqualität sowie Robustheit gegenüber verschiedenen demografischen Gruppen und Erkennungssystemen gewährleistet.
Der Artikel stellt EvoPrune vor, eine effiziente Methode zur frühen Pruning von visuellen Tokens während des Kodierungsprozesses multimodaler großer Sprachmodelle, die durch eine schichtweise Strategie die Inferenzgeschwindigkeit signifikant steigert und dabei nur minimale Leistungseinbußen verursacht.
Die vorgestellte Arbeit schlägt ein Wellenlet-basiertes Segmentierungsmodell vor, das durch die Integration von Graustufen- und RGB-Darstellungen im Frequenzbereich die präzise Abgrenzung von Polypen trotz geringer Kontraste und ungleichmäßiger Beleuchtung verbessert.
Die Arbeit stellt ERK-Guid vor, eine neue Methode für Diffusionsmodelle, die solverinduzierte Fehler in steifen Bereichen als Leitungs-Signal nutzt, um die lokale Abbruchfehler zu reduzieren und die Probenqualität signifikant zu verbessern.