5303 Arbeiten
Das Paper stellt SPDL vor, eine Open-Source-Bibliothek, die durch die vollständige Freigabe des Python-GIL und effiziente Parallelisierung die Datenübertragung auf GPUs erheblich beschleunigt und dabei im Vergleich zu PyTorch DataLoader signifikant weniger CPU-Ressourcen und Speicher verbraucht.
Die Arbeit stellt iTuP und SDG-Net vor, ein System, das durch die Minimierung vorhergesagter, aufgabenbedingter Drehmomente und Gleitkräfte stabile Greifpositionen für den Robotereinsatz von Werkzeugen auswählt und so die Erfolgsrate im Vergleich zu rein geometrischen Ansätzen signifikant steigert.
Das Paper stellt den M4-SAR-Datensatz und ein Benchmark-Toolkit vor, die durch die Fusion von optischen und SAR-Bildern die Objekterkennung in komplexen Umgebungen signifikant verbessern und dabei einen neuen End-to-End-Detektionsrahmen sowie umfangreiche annotierte Daten bereitstellen.
Das Paper stellt MARRS vor, ein neuartiges Framework, das auf einem unit-differenzierten VAE, Action-Conditioned Fusion und Adaptive Unit Modulation basiert, um koordinierte und feinabgestimmte menschliche Reaktionsbewegungen durch kontinuierliche Repräsentationen zu synthetisieren und dabei die Nachteile diskreter Vektorquantisierung zu umgehen.
Das Paper stellt EasyText vor, einen auf Diffusion Transformern basierenden Rahmen für die präzise und kontrollierbare multilinguale Textgenerierung, der durch neuartige Positionierungscodierungen und ein umfangreiches synthetisches Datenset übertrifft.
Diese Studie zeigt, dass durch Instruction Tuning und Few-Shot-Prompting optimierte Large Language Models (LLMs) wie GPT-4o bei der Erkennung von Sicherheitslücken in mehreren Programmiersprachen und auf unterschiedlichen Granularitätsebenen (Funktion und Zeile) deutlich besser abschneiden als bisherige Pre-trained Language Models (PLMs).
Die Arbeit stellt SpikeSMOKE vor, einen energieeffizienten Ansatz für die monokulare 3D-Objektdetektion mittels Spiking Neural Networks, der durch einen neuartigen Cross-Scale Gating Coding-Mechanismus und leichte Restblöcke die Informationsverluste überwindet und gleichzeitig die Rechenkosten im Vergleich zu herkömmlichen Methoden drastisch senkt.
Die Arbeit stellt die ersten logarithmischen Approximationsalgorithmen für fehlertolerante Varianten der totalen Dominanz und des partiellen positiven Einfluss-Dominanzproblems vor und erweitert dabei den allgemeinen Approximationsrahmen für nicht-submodulare Funktionen auf den Fall von Bruchwertfunktionen.
Diese Arbeit stellt einen großen, longitudinalen Datensatz mit über 75 Millionen Kommentaren und 400 Millionen Abstimmungen aus dem zehn Jahre umfassenden Diskursforum der österreichischen Zeitung DerStandard (2013–2022) bereit, der durch anonymisierte Benutzerdaten und vektorbasierte Textrepräsentationen den Schutz der Privatsphäre gewährleistet und Forschungen zur Diskursdynamik, Netzwerkanalyse und semantischen Auswertung in deutscher Sprache ermöglicht.
Die Studie PyPitfall analysiert quantitativ die Abhängigkeitsstrukturen von über 378.000 PyPI-Paketen und deckt auf, dass Tausende von Paketen bekannte Sicherheitslücken in ihren direkten oder transitiven Abhängigkeiten enthalten, was die Anfälligkeit der Python-Software-Lieferkette für Angriffe unterstreicht.
Die Arbeit stellt FieldLVLM vor, ein neuartiges Framework, das durch eine feldbewusste Sprachgenerierungsstrategie und eine datenkomprimierte Multimodal-Modellanpassung die Fähigkeit von Large Vision-Language Models verbessert, komplexe Strömungsfelddaten zu verstehen und wissenschaftliche Entdeckungen zu unterstützen.
Diese Arbeit analysiert ein gekoppeltes 3D-2D-Modell für Stokes-Strömung und poroelastische Platten, beweist die eindeutige Lösbarkeit des kontinuierlichen Problems und entwickelt eine stabile Virtual-Element-Methode mit optimaler Konvergenz, die erfolgreich zur Simulation der Immunisolierung mittels Silizium-Nanoporenmembranen eingesetzt wird.
Diese Arbeit stellt eine robuste und konforme Robotersteuerungsstrategie für präzise Batch-Montageaufgaben mit unsicheren Passungsarten und -mengen vor, die durch die Zerlegung der Aufgabe in deterministische Teilaufgaben, den Einsatz eines Kraft-Vision-Fusions-Controllers mit Multi-Task-Reinforcement-Learning (FVFC-MTRL) und die Zusammenführung der gelernten Strategien mittels Multi-Teacher-Policy-Distillation in ein einheitliches Netzwerk erreicht wird.
Diese Arbeit behauptet, das P-gegen-NP-Problem durch einen deterministischen polynomiellen Algorithmus zu lösen, der auf einem graphbasierten Rahmenwerk mit inkrementeller Pfadverifikation und lokalem Konsistenz-Trimming beruht, um NP-Probleme ohne explizite Enumeration von Zertifikaten zu entscheiden.
Der Artikel stellt YOPO vor, einen minimalistischen, einstufigen Transformer-basierten Ansatz, der die 9-DoF-Pose-Schätzung von Objekten in einer Kategorie aus einzelnen RGB-Bildern direkt mit der Objekterkennung vereint und dabei ohne zusätzliche Tiefendaten oder CAD-Modelle neue State-of-the-Art-Ergebnisse erzielt.
Die Studie stellt einen neuen, clusterbasierten Rahmen für Website-Fingerprinting-Verteidigungen vor, der durch die adaptive Kombination von Regularisierung und supersequenzbasierten Gruppen die Sicherheit nachweisbar gewährleistet und gleichzeitig den Overhead im Vergleich zu klassischen Methoden wie Tamaraw drastisch reduziert.
Das Paper stellt BLAST vor, ein Werkzeug, das Large Language Models und search-based software testing kombiniert, um automatisch Tests zu generieren, die Softwarefehler reproduzieren, und validiert dessen Wirksamkeit sowohl durch einen Benchmark als auch durch den Einsatz eines GitHub-Bots in drei Open-Source-Repositories.
Die Arbeit stellt CoRe-GS vor, ein grob-zu-fein Framework für semantisches Gaussian Splatting, das durch eine aufgabenspezifische, selektive Optimierung nur relevanter Punkte von Interesse die Trainingszeit drastisch verkürzt und gleichzeitig die Rekonstruktionsqualität für robotische Anwendungen verbessert.
Diese Studie analysiert erstmals in großem Maßstab die Verwendung von Gleitkommaarithmetik in öffentlich zugänglichen GitHub-Repositories statisch typisierter Sprachen, um durch die Veröffentlichung eines Datensatzes mit 10 Millionen Funktionen und den Vergleich mit bestehenden Benchmarks die Lücke zwischen theoretischen Forschungsansätzen und realer Praxis zu schließen.
Die vorgestellte Arbeit führt AwesomeDE ein, ein von großen Sprachmodellen gesteuerter Meta-Black-Box-Optimierungsansatz, der unter Verwendung des -Frameworks ohne menschliches Eingreifen update-Regeln für eingeschränkte evolutionäre Algorithmen generiert und dabei sowohl Recheneffizienz als auch Lösungsgenauigkeit gegenüber bestehenden Methoden verbessert.