6556 Arbeiten
Die Arbeit stellt ein trainingsfreies, robustes 3D-Feld von Verbindungen (3D FoJ) als strukturelles Prior vor, das durch die Optimierung von 3D-Keilen in Volumina Rauschen effektiv entfernt und scharfe Kanten erhält, wodurch es bei verschiedenen inversen Problemen mit niedrigem Signal-Rausch-Verhältnis wie CT, Cryo-ET und Lidar überlegene Ergebnisse erzielt.
Diese Arbeit stellt eine neuartige Daten-Augmentationsmethode namens C2GMA vor, die mittels Cycle-Consistent Generative Adversarial Networks sichtbare Bilder in nicht-sichtbare Domänen (wie SAR) übersetzt und durch Mischklassen-Interpolation die Klassifikationsgenauigkeit bei begrenzten Datenbeständen signifikant verbessert.
Die vorgestellte Arbeit stellt Dite-HRNet vor, ein dynamisches, leichtgewichtiges Hochauflösungsnetzwerk, das durch neuartige Blöcke mit dynamischer Split-Convolution und adaptiver Kontextmodellierung effizient Multi-Scale-Informationen und langreichweitige Abhängigkeiten für die menschliche Pose-Schätzung erfasst und dabei sowohl auf den COCO- als auch auf den MPII-Datensätzen den aktuellen Stand der Technik bei leichten Netzwerken übertrifft.
Das Papier stellt CO^3 vor, ein kooperatives, unüberwachtes Lernverfahren für 3D-Punktwolken im Freien, das durch die Kombination von kontrastivem Lernen mit LiDAR-Daten von Fahrzeugen und Infrastruktur sowie einer kontextuellen Formvorhersage robustere Repräsentationen erzeugt, die sich auf verschiedene Datensätze übertragen lassen und den aktuellen Stand der Technik auf den KITTI- und Once-Datensätzen übertreffen.
Diese Studie stellt ein einfaches und effektives Fehlersuchverfahren für Photovoltaikmodule vor, das auf einem trainierten Convolutional Neural Network (CNN) basiert und durch eine binäre sowie multiklassige Bildanalyse eine hohe Genauigkeit von bis zu 91,1 % bei der Erkennung von Defekten wie Schatten, Rissen oder Verschmutzung erreicht.
Die Arbeit stellt TDPO-R vor, einen neuen Policy-Gradient-Algorithmus, der durch die Ausnutzung des temporalen induktiven Bias von Diffusionsmodellen und die Aktivierung ruhender Neuronen im Kritiker-Modell das Problem der Reward-Überoptimierung effektiv adressiert.
Die Arbeit stellt Uni-ISP vor, einen neuartigen Ansatz, der durch gerätespezifische Einbettungen und ein spezielles Training das Lernen von Bildsignalprozessoren (ISPs) für diverse Mobilgeräte vereint, was zu verbesserter Genauigkeit, Anpassungsfähigkeit und neuen Anwendungen führt, unterstützt durch einen neu erstellten 4K-Datensatz namens FiveCam.
Der Artikel stellt R2GenCSR vor, ein effizientes Framework zur Generierung von Radiologieberichten, das einen Mamba-Vision-Backbone mit linearer Komplexität und kontextgestützte Informationsgewinnung nutzt, um die Leistung von LLMs bei der Erstellung medizinischer Befunde zu verbessern.
Die Arbeit stellt „Shuffle Mamba" vor, ein neuartiges Framework für die multimodale Bildfusion, das durch eine bayessisch inspirierte zufällige Scanning-Strategie und eine inverse Umordnung Verzerrungen fester Sequenzen eliminiert und so eine robuste, unvoreingenommene globale Rezeptionsfeld-Interaktion über Monte-Carlo-Mittelung ermöglicht.
Diese Arbeit stellt die erste Methode für das Label-Unlearning im Vertical Federated Learning vor, die durch eine manifold-mixup-basierte Synthese von Embeddings und einen darauf folgenden Gradienten-basierten Vergessens- sowie Wiederherstellungsprozess eine effiziente und datenschutzgarantierte Entfernung sensibler Labelinformationen ohne Offenlegung der Daten ermöglicht.
Die Arbeit stellt Stereo-Talker vor, ein neuartiges System zur Synthese von 3D-Talkvideos aus Audio, das durch die Integration von LLM-Priors für vielfältige Gesten und einen prior-gesteuerten Mixture-of-Experts-Ansatz für fotorealistische, lippen-synchrone und viewpoint-kontrollierbare Ergebnisse in einem zweistufigen Prozess überzeugt.
Die Arbeit stellt SDPO vor, ein neuartiges Reinforcement-Learning-Framework, das Few-Step-Diffusionsmodelle durch dichte Belohnungsschätzungen und optimierte Trajektorienabstimmung effizient an spezifische Zielvorgaben anpasst.
Die Arbeit stellt TREND vor, eine neuartige Methode zur unüberwachten 3D-Repräsentationslernen für LiDAR-Daten, die durch die Vorhersage zukünftiger Beobachtungen mittels eines rekurrenten Embedding-Schemas und eines zeitlichen neuronalen Feldes die Leistung bei nachgelagerten Objekterkennungsaufgaben signifikant verbessert.
Die Arbeit stellt CLAP vor, eine unüberwachte Methode zur gemeinsamen Vorverarbeitung von Bildern und Punktwolken, die durch Krümmungsstichproben und lernbare Prototypen die rechenintensive Verarbeitung großer 3D-Daten effizient gestaltet und so die komplementären Vorteile von Bildsemantik und 3D-Struktur für die Fusion wahrnehmung nutzt.
Die Arbeit stellt GenVidBench vor, ein derzeit größtes Benchmark-Dataset mit 6,78 Millionen Videos von 11 fortschrittlichen KI-Generatoren, das entwickelt wurde, um die Herausforderungen bei der Erkennung von KI-generierten Videos zu adressieren und die Erstellung robuster Detektionsmodelle zu ermöglichen.
Die vorgestellte Methode verbessert die Mehrfachbeleuchtungskonstanz durch ein dreistufiges Faltungsnetzwerk, das Beleuchtungskarten aus mehreren Bildskalen extrahiert und diese mittels eines aufmerksamkeitbasierten Fusionsmoduls adaptiv kombiniert, um lokale Farbstiche präzise zu eliminieren und damit den aktuellen Stand der Technik zu erreichen.
Die Arbeit stellt DSV vor, eine Methode, die dynamische Sparsity-Muster in Video-Diffusions-Transformern durch eine zweistufige Approximation und hybride Parallelisierung nutzt, um das Training auf bis zu 128 GPUs um den Faktor 3,02 zu beschleunigen, ohne dabei die Qualität zu beeinträchtigen.
Diese Arbeit stellt ein wettbewerbsfähiges, nachträgliches Wasserzeichen-Verfahren für generierte Bilder vor, das ohne erneutes Training des Modells auskommt und robust gegen additive Störungen sowie gezielte Angriffe zur Entfernung von Wasserzeichen ist.
Die Arbeit stellt JiSAM vor, eine plug-and-play-Methode, die durch Jittering-Augmentierung, einen domänenbewussten Backbone und eine speicherbasierte sektorierte Ausrichtung die Notwendigkeit für umfangreiche reale LiDAR-Daten in der autonomen Fahrzeugwahrnehmung reduziert und es ermöglicht, mit nur 2,5 % der realen Daten und synthetischen Randfall-Daten eine Leistung zu erzielen, die mit Modellen vergleichbar ist, die auf vollständigen realen Datensätzen trainiert wurden.
Das Paper stellt ARPG vor, ein neuartiges visuelles autoregressives Modell, das durch einen entkoppelten Decodierungsansatz zufällige parallele Generierung ermöglicht und damit die Effizienz, den Speicherverbrauch sowie die Zero-Shot-Generierungsfähigkeit im Vergleich zu herkömmlichen sequenziellen Ansätzen erheblich verbessert.