5997 Arbeiten
Die Arbeit stellt StegoNGP vor, eine neue Methode zur parametrischen 3D-Steganografie, die Instant-NGP nutzt, um mithilfe von Schlüssel-gesteuerten Hash-Funktionen eine vollständige geheime 3D-Szene in einem einzigen, ununterscheidbaren Modell zu verbergen und dabei hohe Kapazität sowie Robustheit zu gewährleisten.
Die Studie zeigt, dass das Klemmen des positiven Randes im Contrastive Forward-Forward-Lernen die Trainingsvarianz auf CIFAR-10 durch Sättigungseffekte in frühen Schichten signifikant erhöht, während dieser Effekt bei anderen Datensätzen von der positiven Paardichte und der Aufgabenschwierigkeit abhängt und durch eine gradientenneutrale Subtraktionsformel behoben werden kann.
Die Arbeit stellt VeGaS vor, ein neuartiges 4D-Gaussian-Splatting-Framework, das durch die Entkopplung von Bewegung und Geometrie mittels einer galileischen Scherungsmatrix und eines geometrischen Deformationsnetzwerks hochpräzise Rekonstruktionen dynamischer Szenen mit State-of-the-Art-Leistung ermöglicht.
EraseAnything++ ist ein einheitliches Framework, das durch die Formulierung als eingeschränktes Mehrziel-Optimierungsproblem, implizite Gradienten-Chirurgie sowie eine Anker- und Propagierungs-Mechanik eine effektive Konzept-Eliminierung in modernen Flow-Matching-basierten Diffusionsmodellen für Bilder und Videos ermöglicht, ohne dabei die generative Qualität oder zeitliche Konsistenz zu beeinträchtigen.
Die Arbeit stellt einen anatomieinformierten synthetischen Überwachungs-Vorabtrainingsrahmen vor, der durch den Einsatz einer deidentifizierten Formbank und einer strukturorientierten Platzierungsstrategie die semantische Lücke zwischen generischen mathematischen Primitive und realer Anatomie schließt, um die Leistung von medizinischen Segmentierungsmodellen ohne Datenschutzbarrieren signifikant zu steigern.
Die Arbeit stellt EFS (Event-Anchored Frame Selection) vor, eine trainingsfreie, hierarchische Methode zur Auswahl von Schlüsseldaten aus langen Videos, die durch die Identifizierung semantischer Ereignisse und eine adaptive Relevanzoptimierung die Leistung bestehender Large Vision-Language Models auf Benchmarks wie VideoMME signifikant verbessert.
Diese Arbeit stellt einen physikinspirierten, räumlich entkoppelten Syntheseansatz vor, der das Problem der Grenz-Aliasing bei der texturbasierten Erzeugung medizinischer Bilddaten löst und so Vision Transformer-Modelle durch eine verbesserte Trennung von Form- und Texturlernen signifikant präziser und dateneffizienter macht.
Diese umfassende technische Übersicht untersucht die Entwicklung von Fundamentmodellen in der Fernerkundung von unimodalen zu multimodalen Ansätzen, bietet eine systematische Kategorisierung bestehender Modelle und liefert ein praxisorientiertes Tutorial, um Forschern den Einstieg und die Anwendung in diesem schnell wachsenden Bereich zu erleichtern.
MLRecon ist ein robuster, markerloser Rahmen für die 3D-Ultraschallrekonstruktion, der mithilfe eines handelsüblichen RGB-D-Kamerasystems, visueller Fundamentmodelle und einer zweistufigen Pose-Verfeinerung driftresistentes 6D-Tracking mit submillimetergenauer Genauigkeit ermöglicht.
Die Arbeit stellt GeodesicNVS vor, ein Novel-View-Synthesis-Verfahren, das durch die Kombination von deterministischem Data-to-Data Flow Matching und einer geometrischen Regularisierung mittels geodätischer Interpolanten auf der Datenmannigfaltigkeit eine konsistente und strukturell kohärente Bildsynthese über verschiedene Blickwinkel hinweg ermöglicht.
Das Papier beschreibt die Implementierung eines Systems zur Erkennung und Rauschunterdrückung von Kfz-Kennzeichen, das angesichts des steigenden Fahrzeugbestands in Malaysia für Anwendungen wie elektronische Parksysteme, Mauterhebung und Verkehrsaufsicht sowie für interdisziplinäre Zwecke genutzt werden kann.
Das Paper stellt RaUF vor, ein Framework zur Lernung von räumlichen Unsicherheitsfeldern für Millimeterwellen-Radare, das durch ein anisotropes probabilistisches Modell und einen bidirektionalen Domänen-Aufmerksamkeitsmechanismus die räumliche Genauigkeit verbessert und die Zuverlässigkeit von Detektionen unter schwierigen Wetterbedingungen erhöht.
Die Arbeit stellt CAFE und dessen Erweiterung CAFE+ vor, die durch die Kombination von Fourier- und Tschebyschow-Features mit lernbaren Gewichten die spektrale Verzerrung von impliziten neuronalen Repräsentationen überwinden und so eine effizientere Erfassung hochfrequenter Details ermöglichen.
Die Arbeit stellt VL-Anomaly vor, ein neuartiges Framework zur Segmentierung von Straßenanomalien, das durch die Ausrichtung visueller Merkmale mit semantischen Sprachpriors aus vortrainierten Vision-Language-Modellen die Fehlalarmrate in normalen Hintergrundbereichen senkt und die Erkennung unbekannter Hindernisse verbessert.
Dieses Paper stellt SMR-Net vor, einen selbstaufmerksamkeitsbasierten Multi-Scale-Algorithmus in Kombination mit einem dedizierten Sensor, der die Robustheit und Genauigkeit der Snap-Erkennung und -Lokalisierung in der Robotik-Assembly im Vergleich zu herkömmlichen Methoden signifikant verbessert.
Die Arbeit stellt TAR-FAS vor, ein Tool-augmentiertes Reasoning-Framework für MLLMs, das durch die adaptive Einbindung externer visueller Werkzeuge und ein neuartiges Trainingsverfahren mit DT-GRPO die Generalisierbarkeit von Face Anti-Spoofing-Systemen über verschiedene Domänen hinweg signifikant verbessert.
Die Arbeit stellt MM-DeepResearch vor, einen leistungsstarken multimodalen Forschungsagenten, der durch die Einführung von Hyper-Search zur Datengenerierung, DR-TTS zur Optimierung von Suchwerkzeug-Experten und einer Offline-Suchmaschine für kosteneffizientes Reinforcement Learning komplexe Suchaufgaben effektiv löst.
Die Arbeit stellt ELF-VLA vor, ein Framework, das die Leistung von Vision-Language-Action-Modellen im autonomen Fahren durch explizites Lernen aus Fehlern mittels strukturierter diagnostischer Rückmeldungen und gezielter Verfeinerung steigert und damit neue State-of-the-Art-Ergebnisse auf dem NAVSIM-Benchmark erzielt.
Das Paper stellt LLaDA-o vor, ein effizientes und längenadaptives Omni-Diffusionsmodell auf Basis eines Mixture-of-Diffusion-Frameworks, das diskrete Textverständnis- und kontinuierliche Bildgenerierungsprozesse über einen gemeinsamen Attention-Backbone vereint und dabei state-of-the-art-Ergebnisse auf multimodalen Benchmarks erzielt.
Die Arbeit stellt SHIELD8-UAV vor, einen energieeffizienten, sequentiellen 8-Bit-Hardware-Beschleuniger für eine 1D-F-CNN, der durch schichtsensitives Quantisieren und strukturiertes Beschneiden eine präzise UAV-Akustikdetektion und -verfolgung mit geringem Leistungsbedarf und geringer Latenz auf FPGA- und ASIC-Ebene ermöglicht.