8768 Arbeiten
Das Paper stellt MaSoN vor, ein überwachungsloses Framework zur Fernerkundungs-Veränderungserkennung, das durch die synthetische Erzeugung vielfältiger Veränderungen im latenten Merkmalsraum während des Trainings eine starke Generalisierungsfähigkeit über verschiedene Szenarien hinweg erreicht und damit den aktuellen Stand der Technik deutlich verbessert.
Die vorgestellte Arbeit schlägt einen auf Unsupervised Domain Adaptation basierenden Rahmen mit Transformer-Architektur und spezifischen Modulen zur Prototypen-Alignment, kontrastiven Lernverfahren und aufmerksamkeitsgestützter Vorhersage vor, um die robuste und annotierungsarme Erkennung von Lungenembolien in CTPA-Bildern über verschiedene klinische Zentren und Modalitäten hinweg zu ermöglichen.
Die Studie stellt einen neuen Ansatz zur monokularen 3D-Rekonstruktion und automatisierten Körpermessung weiblicher Saanenziegen vor, der auf einem neu erstellten Datensatz, einem spezifischen parametrischen 3D-Modell und Multi-View-Fusionstechniken basiert, um die Milchleistungsbeurteilung in der Präzisionslandwirtschaft zu verbessern.
Diese Arbeit stellt eine neue Strategie für das kontrastive Lernen in der medizinischen Bildgebung vor, bei der unlabeled OCT-Scans mittels Gradienten-basierter Anomalieerkennung nach Krankheitsseverity gruppiert werden, um die Klassifizierung von Biomarkern bei diabetischer Retinopathie im Vergleich zu selbstüberwachten Baselines um bis zu 6 % zu verbessern.
Die Arbeit stellt ein allgemeines Framework namens Augmented Radiance Field vor, das durch die Einführung eines erweiterten Gauß-Kernels mit view-dependent Opacity und einer fehlergesteuerten Kompensationsstrategie die Grenzen der 3D-Gaussian-Splatting-Methoden bei der Darstellung komplexer Reflexionen überwindet und dabei sowohl eine überlegene Rendering-Leistung als auch eine höhere Parametereffizienz im Vergleich zu NeRF-Methoden erzielt.
Diese Arbeit zeigt, dass die explizite Einbeziehung der internen, vielseitigen und teilweise robusten Repräsentationen von Diffusionsmodellen als zusätzlicher Lernsignal während der adversariellen Training die Robustheit von Bildklassifizierern über die reine Nutzung synthetischer Daten hinaus signifikant verbessert.
Die Autoren stellen eine Methode vor, die ein SO(3)-äquivariantes konvolutionales implizites Netzwerk mit einer positiven Anreiz-Punktabtaststrategie (PIPS) kombiniert, um die Genauigkeit und Effizienz der Objektposeschätzung insbesondere bei schwierigen Szenarien wie hoher Verdeckung und neuen Geometrien zu verbessern.
Die Arbeit stellt den Discover-Segment-Select (DSS)-Mechanismus vor, einen fortschrittlichen, trainingsfreien Ansatz für die Zero-Shot-Tarnobjektsegmentierung, der durch die Kombination von Feature-kohärenter Objekterkennung, SAM-basierter Segmentierung und semantisch gesteuerter Maskenauswahl die Genauigkeit und Robustheit, insbesondere bei Mehrfachinstanzen, erheblich verbessert.
Das Papier stellt RL-RIG vor, ein Reinforcement-Learning-Framework, das durch einen Generieren-Reflektieren-Bearbeiten-Zyklus und die neue Reflection-GRPO-Methode die räumliche Konsistenz und strukturelle Integrität von KI-generierten Bildern signifikant verbessert.
Das Paper stellt RADE-Net vor, ein leichtgewichtiges neuronales Netzwerk, das durch eine effiziente 3D-Projektion von 4D-Radardaten (RADE-Tensoren) und den Einsatz von Aufmerksamkeitsmechanismen eine robuste Objekterkennung bei widrigen Wetterbedingungen ermöglicht und dabei sowohl die Datenmenge als auch die Modellkomplexität erheblich reduziert, während es gleichzeitig die Leistung bestehender Radar- und sogar Lidar-basierter Ansätze übertrifft.
Die Arbeit stellt Token-UNet vor, eine effiziente und interpretierbare 3D-UNet-Architektur für die Hirnsegmentierung, die durch die Integration von TokenLearner- und TokenFuser-Modulen den Rechenaufwand von Transformer-basierten Modellen wie SwinUNETR drastisch reduziert und gleichzeitig eine höhere Genauigkeit erzielt.
Dieses Paper stellt den Datensatz DAPWH vor, der 3.556 hochauflösende Bilder von parasitischen Wespen und verwandten Hautflüglern enthält, um die Entwicklung automatisierter Systeme zur taxonomischen Identifizierung dieser ökologisch wichtigen, aber schwer zu bestimmenden Insektengruppe zu ermöglichen.
Diese Studie präsentiert ein reproduzierbares Benchmark-Framework, das mithilfe von EEG-Signalen und dem Deep-Learning-Modell ShallowConvNet die Vorhersage von Fahrkommandos für einen Roboter Rover in Echtzeit ermöglicht.
Diese Arbeit identifiziert das Phänomen der Modality Gap im medizinischen Multimodal-Lernen und schlägt einen modality-agnostischen Ansatz vor, um die Ausrichtung zwischen radiologischen Bildern und klinischen Texten zu verbessern.
Die Arbeit stellt SEAL-pose vor, ein datengesteuertes Framework, das mittels eines lernbaren Verlustnetzwerks komplexe strukturelle Abhängigkeiten zwischen Gelenken erfasst und so die Genauigkeit sowie die strukturelle Plausibilität bei der 3D-Pose-Schätzung im Vergleich zu herkömmlichen Methoden und manuell definierten Constraints verbessert.
Die Arbeit stellt AdvMark vor, ein neuartiges zweistufiges Feinabstimmungsframework, das durch Entkopplung der Verteidigungsstrategien die Robustheit von Deep-Learning-Wasserzeichen gegen Adversarial-, Verzerrungs- und Regenerationsangriffe signifikant steigert, ohne dabei die Bildqualität oder die Genauigkeit auf sauberen Daten zu beeinträchtigen.
Die vorgestellte Arbeit stellt einen LLM-gesteuerten, constraints-basierten Planungsansatz mit aktiver Wahrnehmung vor, der es mobilen Robotern ermöglicht, durch das Verschieben von Hindernissen in überfüllten Umgebungen neue Pfade zu erkunden und so Null-Shot-Verallgemeinerung für lebenslange interaktive Navigationsaufgaben zu erreichen.
Die Studie stellt HeatPrompt vor, ein Zero-Shot-Vision-Language-Framework, das mithilfe von prätrainierten Modellen und Satellitenbildern präzise Wärmebedarfskarten für die Dekarbonisierung der Raumheizung erstellt und dabei die Genauigkeit im Vergleich zu herkömmlichen Basismodellen erheblich steigert.
Diese Studie identifiziert den „Unsichtbare-Gorilla-Effekt" als bisher unbeachtete Verzerrung bei der Erkennung von Out-of-Distribution-Daten, bei der die Detektionsleistung signifikant abnimmt, wenn Artefakte keine visuelle Ähnlichkeit mit dem vom Modell fokussierten Bildbereich aufweisen.
Das Paper stellt SemanticNVS vor, ein kamera-konditioniertes Multi-View-Diffusionsmodell, das durch die Integration vortrainierter semantischer Merkmalsextraktoren die Qualität und Konsistenz der Novel View Synthesis auch bei weit entfernten Kameraperspektiven signifikant verbessert.