8836 Arbeiten
Diese Arbeit stellt eine neue Pipeline zur automatischen Wiedererkennung von Holstein-Friesian-Rindern in dichten Gruppen vor, die durch die Kombination von Open-Vocabulary-Lokalisierung, Segmentierung und Re-ID-Netzen eine Genauigkeit von 98,93 % bei der Detektion und 94,82 % bei der Identifizierung erreicht und damit bestehende Methoden deutlich übertrifft.
Die vorgestellte Studie entwickelt ein selbstüberwachtes Lernframework mit adaptiver Maskierung und einem Mamba-basierten Architekturansatz, das die berührungslose Erfassung von Vitalparametern in pädiatrischen Intensivstationen durch eine dreistufige Curriculum-Strategie und Wissensdestillation signifikant verbessert und dabei die Genauigkeit gegenüber bestehenden Methoden erhöht.
Diese Übersichtsarbeit analysiert über 423 neuromorphe Datensätze, um deren wachsende Komplexität, mangelnde Standardisierung und Zugänglichkeit zu beleuchten, die Risiken synthetischer Daten aufzuzeigen und das Konzept von Meta-Datensätzen als Lösung für Bias und Datenmangel vorzuschlagen.
Diese Arbeit stellt ein neuartiges, rein video-basiertes Framework vor, das durch den Abgleich von Ureteroskopaufnahmen mit einer Referenzrekonstruktion automatisch nicht erkundete Nierenkelche identifiziert und somit eine präzise, expertenunabhängige Schulung an Phantomen ermöglicht.
Das Paper stellt SAM 3D Body vor, ein promptbares Open-Source-Modell, das mithilfe einer neuen parametrischen Mesh-Repräsentation namens Momentum Human Rig (MHR) und einer umfassenden Datengenerierungspipeline robuste und generalisierbare 3D-Human-Mesh-Rekonstruktionen aus einzelnen Bildern ermöglicht.
Die Arbeit stellt MedProbCLIP vor, ein probabilistisches Vision-Language-Framework, das durch die Modellierung von Bild- und Textrepräsentationen als Gaußsche Einbettungen die Zuverlässigkeit und Unsicherheitsquantifizierung bei der bidirektionalen Retrieval von Röntgenbildern und radiologischen Berichten im Vergleich zu deterministischen Baseline-Modellen signifikant verbessert.
Die Arbeit stellt CHAI vor, ein Verfahren zur Beschleunigung von Text-zu-Video-Generierung durch Cross-Inference-Caching und einen Cache-Attention-Mechanismus, der eine bis zu 3,35-fache schnellere Inferenz bei gleichbleibender Videoqualität ermöglicht.
Die Arbeit stellt IRIS vor, eine trainingsfreie Methode, die Echtzeit-Augenbewegungsdaten nutzt, um Mehrdeutigkeiten in offenen visuellen Frage-Antwort-Szenarien aufzulösen und die Antwortgenauigkeit bei mehrdeutigen Fragen in großen multimodalen Modellen mehr als verdoppelt.
Diese Studie untersucht demografische Verzerrungen in bildgestützten Bild-zu-Bild-Bearbeitungssystemen, identifiziert systematische Fehler wie das „weiche Löschen" von Merkmalen oder den Ersatz durch Stereotype, und zeigt, dass eine promptbasierte Identitätseinschränkung diese Ungleichheiten bei Minderheitengruppen wirksam reduzieren kann.
Diese Arbeit stellt ein neuartiges Graph-Neural-Network-Modell namens Collision-captured Network (CN) vor, das die Dynamik von Meereisschollen durch die Abbildung von Kollisionen als Graphstruktur effizienter simuliert und dabei Datenassimilationstechniken zur präzisen Vorhersage in Randmeereiszonen nutzt.
Das Paper stellt DataCube vor, eine intelligente Plattform, die große Videoarchive durch automatische semantische Profilierung und hybride Suchverfahren in strukturierte, abfragbare Datensätze für Trainings- und Analysezwecke verwandelt.
Das Paper stellt EasyControlEdge vor, einen Ansatz zur Anpassung von Bildgenerierungs-Foundation-Modellen für die Kantenextraktion, der durch einen kantenorientierten Verlust und eine unbedingte Dynamik-Guidance sowohl bei begrenzten Trainingsdaten als auch in Bezug auf die Schärfe der Ergebnisse neue Maßstäbe setzt.
Das Paper stellt HyPCA-Net vor, ein effizientes hybrides multimodales Fusionsnetzwerk mit neuartigen Aufmerksamkeitsblöcken, das auf zehn Datensätzen bestehende Methoden in Bezug auf Genauigkeit und Rechenaufwand deutlich übertrifft.
Diese Arbeit stellt einen neuartigen, auf künstlicher Vision basierenden Ansatz vor, der mithilfe von Mehransichtsinformationen aus Farbbildern präzise Brillengestellkonturen im Submillimeterbereich erfasst und so den Bedarf an spezialisierten mechanischen Tracern sowie den Arbeitsaufwand für Optiker reduziert.
Der Artikel stellt RefineFormer3D vor, eine leichte hierarchische Transformer-Architektur, die durch den Einsatz von GhostConv3D, MixFFN3D und einem Cross-Attention-Fusion-Decoder eine hochpräzise und recheneffiziente 3D-Medizinbildsegmentierung mit nur 2,94 Millionen Parametern ermöglicht.
Diese Forschungsarbeit stellt einen selbstüberwachten Ansatz vor, der durch das Training auf ungelabelten Daten robustere Merkmalsrepräsentationen für die Objekterkennung erzeugt und dabei den Bedarf an aufwendig gelabelten Daten sowie die Leistung bestehender ImageNet-basierter Modelle übertrifft.
Die Arbeit stellt „Guide-Guard" vor, einen maschinellen Lernansatz, der mit 84 % Genauigkeit das Off-Target-Verhalten von CRISPR-gRNA-Systemen vorhersagt und dabei gleichzeitig auf mehreren Genen trainiert werden kann.
Die Autoren stellen das Subtractive Modulative Network (SMN) vor, eine parametereffiziente Architektur für implizite neuronale Repräsentationen, die durch lernbare periodische Aktivierungsfunktionen und modulative Maskenmodule inspiriert von der subtraktiven Synthese sowohl bei der Bildrekonstruktion als auch bei der NeRF-basierten 3D-Sichtsynthese state-of-the-art Ergebnisse erzielt.
Die Arbeit stellt SCAR vor, eine Methode zur langfristigen automatischen Kalibrierung von luftgestützten visuell-inertialen Systemen, die georeferenzierte Satellitenbilder nutzt, um ohne manuelle Eingriffe eine hohe Genauigkeit über verschiedene Jahreszeiten und Umgebungsbedingungen hinweg zu gewährleisten.
Die Arbeit stellt MoMa-SG vor, ein Framework zur Erstellung semantisch-kinematischer 3D-Szenengraphen für mobile Manipulatoren, das durch die Kombination von Objektschnittstellen, Bewegungsanalyse und einer neuartigen Gelenkschätzung die Interaktion mit beweglichen Objekten in realen Umgebungen ermöglicht und dabei den neuen Arti4D-Semantic-Datensatz einführt.