5768 Arbeiten
Die Autoren stellen Light-Geometry-Interaction-Karten (LGI) vor, eine neuartige Darstellung, die auf monokularen Tiefenkarten basiert und eine physikalisch konsistente, einheitliche Pipeline für die gemeinsame Generierung von Schatten und Relighting ermöglicht, indem sie Licht-Geometrie-Interaktionen effizient codiert und so die Ambiguität herkömmlicher generativer Modelle reduziert.
Das Paper stellt PhotoAgent vor, ein autonomes Bildbearbeitungssystem, das durch explizite ästhetische Planung und einen geschlossenen Regelkreis mit visuellem Feedback hochwertige Ergebnisse erzielt, und führt zudem den UGC-Edit-Benchmark zur Evaluierung ein.
Die Arbeit stellt OmniGAIA, ein umfassendes Benchmark für omni-modale Agenten, und OmniAtlas, einen nativen omni-modalen Basis-Agenten mit Werkzeugintegration und aktiver Wahrnehmung, vor, um die Lücke zwischen aktuellen zweimodalen Modellen und zukünftigen KI-Assistenten zu schließen.
Die Arbeit stellt HELMLAB vor, einen analytischen, datengesteuerten 72-Parameter-Farbraum für UI-Designsysteme, der durch eine optimierte Transformation von CIE XYZ zu einer wahrnehmungsoptimierten Darstellung die Genauigkeit der Farbdistanzmessung im Vergleich zu CIEDE2000 signifikant verbessert und gleichzeitig praktische Werkzeuge für Gamut-Mapping und Design-Token-Export bereitstellt.
Das Paper stellt AgentVista vor, einen Benchmark für multimodale Agenten, der realistische, detailreiche Szenarien mit langfristigen Werkzeuginteraktionen über 25 Unterdomänen hinweg testet und dabei erhebliche Defizite aktueller State-of-the-Art-Modelle bei der Bewältigung solcher komplexen Aufgaben aufdeckt.
Dieses Paper stellt V-MORALS vor, eine Methode zur Schätzung von Attraktionsgebieten in einem gelernten latenten Raum unter Verwendung von Bild-Daten, die es ermöglicht, Sicherheitsanalysen ohne Kenntnis des vollständigen Systemzustands durchzuführen.
Die Studie stellt HMKGN vor, ein hierarchisches Multi-Scale-Graph-Netzwerk mit wissensgesteuerter Aufmerksamkeit, das räumliche Hierarchien und Multi-Scale-Interaktionen in Ganzgewebeschnitten modelliert und damit bestehende MIL-Modelle bei der Krebsprognose signifikant verbessert.
Die Arbeit stellt AoE vor, ein kostengünstiges und skalierbares System zur Erfassung von egozentrischen Interaktionsdaten über eine Cloud-Edge-Architektur mit Smartphone-Haltern, das die Datenknappheit für Embodied-AI-Modelle durch die Nutzung von menschlichen „Agenten" weltweit adressiert.
Diese Studie zeigt, dass bei der Erkennung von Parkinson im Prodromalstadium mittels fMRT unter extremem Datenmangel eine strikte Aufteilung auf Subjektebene und der Einsatz leichter Modelle wie MobileNet entscheidend für realistische Generalisierungsergebnisse sind, da herkömmliche Bild-level-Splits zu schwerwiegenden Informationslecks führen.
Die vorgestellte Arbeit führt den Certainty-Validity-Standard (CVS) ein, um diskrete Commitment-Systeme nicht nur nach ihrer Genauigkeit, sondern danach zu bewerten, ob sie bei unsicheren Daten korrekt zweifeln statt zu halluzinieren, und zeigt, dass eine optimale Ausbildung darin besteht, diese „Verweigerung bei Ambiguität" zu bewahren, anstatt sie durch übermäßiges Training in pathologische Selbstsicherheit zu verwandeln.
Die Veröffentlichung stellt ein Open-Source-Tool vor, das die Qualität von Sensordaten-Annotationen für automatisiertes Schienenfahrzeugen durch die automatische Erkennung und Validierung von neun häufigen Fehlern sicherstellt, wodurch der manuelle Aufwand reduziert und die Entwicklung beschleunigt wird.
Diese Studie stellt einen kosteneffizienten Multimodal Modular Chain of Thoughts (MMCoT)-Ansatz vor, der Vision-Language-Modelle nutzt, um durch dekomponierte, strukturierte Schlussfolgerungen die Energieeffizienzklasse von Gebäuden aus begrenzten visuellen Daten genauer zu schätzen als herkömmliche Prompting-Methoden.
Die Studie stellt VoxelDiffusionCut vor, ein Verfahren, das mithilfe eines Diffusionsmodells die innere Struktur von Objekten aus Schnittflächen schätzt und darauf aufbauend nicht-destruktive Schnittpläne zur Gewinnung interner Bauteile wie Batterien oder Motoren erstellt.
Diese Arbeit stellt das Multi-scale Spatial Adaptive Attention Network (MSAAN) vor, einen leichten Super-Resolution-Algorithmus, der durch innovative Module wie die Multi-scale Spatial Adaptive Attention (MSAA) und den Local Enhancement Block (LEB) eine überlegene Bildrekonstruktion bei gleichzeitig reduzierter Modellkomplexität ermöglicht.
Die Studie stellt BiSe-Unet vor, einen leichten Dual-Pfad-U-Net-Architektur mit aufmerksamer Kontextverfeinerung, der auf dem Kvasir-Seg-Datensatz eine Echtzeit-Polypensegmentierung mit über 30 Bildern pro Sekunde auf ressourcenbeschränkter Edge-Hardware wie dem Raspberry Pi 5 ermöglicht.
NovaLAD ist eine schnelle, CPU-optimierte Dokumentenextraktionspipeline, die durch den parallelen Einsatz von YOLO-Modellen, einer intelligenten Bildklassifizierung und optionalen Vision-Language-Modellen strukturierte Ausgaben für Generative KI erzeugt und dabei Benchmark-Ergebnisse erzielt, die sowohl kommerzielle als auch Open-Source-Lösungen übertreffen.
Die Studie stellt CT-Flow vor, ein agentenbasiertes Framework, das mithilfe des Model Context Protocol (MCP) die statische 3D-CT-Analyse durch einen dynamischen, werkzeuggesteuerten Workflow ersetzt und dabei auf dem neu eingeführten CT-FlowBench Benchmark signifikant höhere diagnostische Genauigkeit sowie eine zuverlässige autonome Werkzeugnutzung erreicht.
Das Paper stellt QuickGrasp vor, ein lokales System mit Edge-Unterstützung, das durch beschleunigte Tokenisierung und adaptive Ressourcenallokation die Genauigkeit großer Video-Sprachmodelle mit einer bis zu 12,8-fach geringeren Antwortverzögerung kombiniert.
Diese Arbeit stellt eine überwachte, selbstannotierende Methode vor, die Superpixel-Algorithmen und CNNs nutzt, um die semantische Segmentierung von betonbasierten Röntgen-Computertomographieaufnahmen mit geringem Kontrast ohne manuell gelabelte Trainingsdaten zu ermöglichen.
Diese Studie zeigt, dass die Vorhersage lokaler Klimazonen allein auf Basis urbaner Morphometrie unzuverlässig ist und die Kombination mit Satellitenbildern nur inkonsistente Genauigkeitsgewinne liefert, was zu einer vorsichtigen Anwendung des LCZ-Rahmens in morphologischen Studien auffordert.