7153 Arbeiten
Die Autoren stellen ein unüberwachtes, online-fähiges Framework zur Videostabilisierung vor, das auf klassischen Priors basiert, um die Nachteile datenhungriger Deep-Learning-Ansätze zu umgehen, und führen zudem einen neuen multimodalen UAV-Datensatz ein, um die Stabilisierung auch in anspruchsvollen Szenarien wie der nächtlichen Fernerkundung zu ermöglichen.
Die Studie demonstriert, dass sich durch die Kombination von grob aufgelösten atmosphärischen Zuständen mit hochauflösenden Satellitendaten und spärlichen Bodenmessungen ein physikalisch kohärenter, meter-genaues Wetterfeld für die gesamte USA rekonstruieren lässt, das signifikant geringere Fehler aufweist als bestehende Analysen wie ERA5.
Die Arbeit stellt BaryIR vor, ein Framework zur allgemeinen Bildrestauration, das durch die Entkopplung degradationsunabhängiger Merkmale im Wasserstein-Baryzentrums-Raum und spezifischer Restmerkmale eine robuste Generalisierung auf unbekannte und gemischte Degradationen ermöglicht.
Die Arbeit stellt LaGS vor, eine neue Methode zur 4D-panoptischen Occupancy-Tracking, die End-to-End-Tracking mit maskenbasierter Segmentierung kombiniert und durch einen neuartigen latenten Gaussian-Splatting-Ansatz eine effiziente Aggregation von Multi-View-Daten in 3D-Voxel-Grids ermöglicht, wodurch sie auf den Datensätzen Occ3D nuScenes und Waymo den State-of-the-Art erreicht.
Die Arbeit stellt Phys-3D vor, ein physikbasiertes Echtzeit-System zur zuverlässigen Personenanzählung auf Bahnsteigen aus einem fahrenden Zug, das durch die Integration von 3D-Bewegungsmodellen und einer virtuellen Zählzone trotz starker Verdeckungen und Kamerabewegungen eine Fehlerquote von nur 2,97 % erreicht.
Die Arbeit stellt FairQuant vor, ein Framework für die faire gemischte Präzisionsquantisierung in der medizinischen Bildklassifizierung, das durch die gemeinsame Optimierung von Gewichten und Bitzuweisungen unter Fairness-Regularisierung die Genauigkeit der Worst-Group-Leistung im Vergleich zu herkömmlichen Quantisierungsmethoden verbessert.
Das Paper stellt ColoDiff vor, ein diffusionsbasiertes Framework, das durch die Integration von Zeit- und Inhaltsbewusstheit sowie eine nicht-Markovsche Abtaststrategie dynamisch konsistente und klinisch steuerbare Koloskopie-Videos zur Bewältigung von Datenknappheit und zur Unterstützung der Diagnosegenerierung erzeugt.
Diese Arbeit entwickelt ein computergestütztes Framework namens BrokenEyes, um die Auswirkungen von fünf häufigen Augenerkrankungen auf die Gesichtererkennung und neuronale Merkmalsdarstellungen in Deep-Learning-Modellen zu simulieren und zu analysieren.
Die vorgestellte Arbeit führt Dual-Coupled PnP Diffusion mit spektraler Homogenisierung ein, um die durch fehlende Gedächtniseffekte verursachte Verzerrung und die durch strukturierte Residuen ausgelösten Halluzinationen bei der medizinischen Bildrekonstruktion zu überwinden und so eine konvergente, hochpräzise Lösung zu gewährleisten.
Diese Arbeit stellt Multidimensionales Aufgabenlernen (MTL) als ein einheitliches tensorbasiertes mathematisches Framework vor, das auf verallgemeinerten Einstein-MLPs beruht und durch den Verzicht auf strukturelles Flattening eine natürlichere und ausdrucksstärkere Formulierung von Computer-Vision-Aufgaben ermöglicht als herkömmliche matrixbasierte Ansätze.
Das Paper stellt UniScale vor, ein einheitliches, skalierbares 3D-Rekonstruktionsframework für die robotische Wahrnehmung, das durch modulare Integration geometrischer Priors und einen einzigen Feed-Forward-Netzwerk metrische Tiefen- und Kameraparameter aus Multi-View-Bildern schätzt, ohne dass ein Training von Grund auf erforderlich ist.
Die Arbeit zeigt, dass Large Multimodal Models (LMMs) durch In-Context-Learning und die vorgeschlagene, trainingsfreie Methode CIRCLE sowohl in geschlossenen als auch in offenen Klassifizierungsszenarien wettbewerbsfähige Alternativen zu spezialisierten Contrastive Vision-Language-Modellen darstellen.
Die Arbeit zeigt, dass die Verwendung mehrerer Kameraperspektiven zur Triangulation präziserer 3D-Skelettdaten die Leistung von Skelett-basierten Aktionserkennungssystemen erheblich verbessert und daher als Standard für zukünftige Forschung empfohlen wird.
Die Arbeit stellt GUIPruner vor, ein training-freies Framework, das durch zeitlich adaptive Auflösung und schichtweise strukturbewusste Pruning die Effizienz von hochauflösenden GUI-Agenten drastisch steigert, ohne deren Genauigkeit zu beeinträchtigen.
Die Arbeit stellt RaWMPC vor, ein einheitliches Framework für das autonome Fahren, das durch die Kombination eines risikobewussten Weltmodells und einer selbst-evaluierenden Destillation zuverlässige, generalisierbare Entscheidungen in seltenen Szenarien trifft, ohne auf Experten-Demonstrationen angewiesen zu sein.
Diese Arbeit stellt einen spektralen Differenziellen-Privatsphäre-Rahmen vor, der die Bildgenerierung durch eine zweistufige Methode verbessert, bei der ein privates Modell nur die niedrigfrequenten Wavelet-Koeffizienten für grobe Strukturen lernt, während hochauflösende Details über ein öffentliches Super-Resolution-Modell hinzugefügt werden, um so die Bildqualität bei starken Privatsphäre-Garantien zu erhalten.
Der Artikel stellt LineGraph2Road vor, ein Framework, das durch die Umformulierung der Straßenverbindungsvorhersage als binäre Klassifikation auf einer globalen Graphenstruktur und die Anwendung eines Graph-Transformers auf den zugehörigen Liniengraphen den State-of-the-Art bei der automatischen Extraktion von Straßennetzen aus Satellitenbildern erreicht.
Die Arbeit stellt PGVMS vor, ein promptgesteuertes, einheitliches Framework, das mithilfe von drei innovativen Strategien – adaptiver Prompt-Steuerung, proteinbewusstem Lernen und prototypenkonsistentem Lernen – virtuelle multiplexe IHC-Färbungen aus H&E-Bildern unter Verwendung von Uniplex-Trainingsdaten erzeugt und dabei semantische Leitlinien, Verteilungskonsistenz und räumliche Ausrichtung verbessert.
Die Arbeit stellt ART-STVG vor, ein neuartiges AutoRegressives-Transformer-Modell mit speicherbasierten Selektionsmechanismen und einer kaskadierten Architektur, das die Herausforderungen der räumlich-zeitlichen Videoverankerung in langen Videos durch sequenzielle Verarbeitung und effiziente Kontextmodellierung bewältigt.
Der Artikel stellt ManifoldGD vor, ein trainingsfreies Framework für die Datensatz-Distillation, das durch hierarchische Clustering-basierte IPCs und eine manigfaltigkeitskonsistente Guidance in Diffusionsmodellen kompakte, aber informationsreiche Datensätze erzeugt, die sowohl die semantische Vielfalt als auch die Bildqualität verbessern.