6073 Arbeiten
Die vorgestellte Arbeit stellt hPGA-DP vor, eine hybride Diffusionsrichtlinie, die durch die Integration von Projective Geometric Algebra in die Netzarchitektur die Trainingsineffizienz herkömmlicher robotischer Lernmethoden überwindet und so eine deutlich schnellere Konvergenz sowie verbesserte Manipulationsleistung in simulierten und realen Umgebungen erreicht.
Die Arbeit stellt MCULoRA vor, einen neuen Parameter-effizienten Ansatz für die unvollständige multimodale Emotionserkennung, der durch die Entkopplung gemeinsamer Informationen und eine dynamische Feinabstimmung der Trainingsverhältnisse die Konflikte zwischen Gradienten verschiedener Modalitätskombinationen überwindet und damit die Vorhersagegenauigkeit signifikant verbessert.
Die Arbeit stellt „Mamba Snake" vor, ein neuartiges Deep-Snake-Framework, das State-Space-Modelle nutzt, um durch die Modellierung interner topologischer Beziehungen und adaptiver Konturverfeinerung die Herausforderungen der einheitlichen medizinischen Bildsegmentierung zu meistern und dabei die Leistung gegenüber aktuellen Methoden signifikant zu steigern.
Die Arbeit stellt vor, ein feed-forward neuronales Netzwerk mit vollständig permutationsäquivarianter Architektur, das durch den Verzicht auf feste Referenzansichten robustere und genauere Ergebnisse bei Aufgaben der visuellen Geometrie wie Kamerapose-Schätzung und Tiefenrekonstruktion erzielt.
Die Studie stellt ein auf Vision Transformern (ViT) basierendes Deep-Learning-Framework vor, das mithilfe von Sentinel-2- und Formosat-5-Bilddaten sowie einer schwach überwachten Trainingsstrategie die Segmentierung von Katastrophengebieten für das EVAP-Programm der Taiwan Space Agency verbessert und dabei die Zuverlässigkeit und räumliche Kohärenz der Ergebnisse erhöht.
Diese Arbeit bietet eine umfassende Übersicht und Taxonomie von Auto-Scaling-Ansätzen für Microservice-Anwendungen seit 2018, die fünf Dimensionen beleuchten und darauf abzielen, Ressourceneffizienz, Kosteneffizienz und SLA-Einhaltung durch service-spezifische, dependency-bewusste Strategien zu optimieren.
Die Arbeit stellt BrownoutServe vor, ein neuartiges Serving-Framework für MoE-basierte LLMs, das durch die Einführung von „united experts" und einen dynamischen Brownout-Mechanismus die Inference-Effizienz unter schwankenden Lasten optimiert, den Durchsatz im Vergleich zu vLLM um das 2,07-Fache steigert und SLO-Verletzungen um 90,28 % reduziert.
Die Arbeit stellt C-Koordinator vor, eine von Alibaba entwickelte Open-Source-Plattform, die durch die Nutzung von CPI-basierten Interferenzvorhersagemodellen mit über 90,3 % Genauigkeit die Ressourcennutzung in großskaligen, gemeinsam genutzten Microservice-Clustern optimiert und dabei die Antwortzeiten im Vergleich zu bestehenden Systemen um 16,7 % bis 36,1 % verbessert.
Diese Arbeit stellt einen neuartigen, rollenden taktilen Sensor vor, der eine neuromorphe Kamera mit einer ereignisbasierten 3D-Rekonstruktion kombiniert, um große Industrieflächen wie Flugzeugrümpfe bei bis zu 0,5 m/s mit einer Genauigkeit unter 100 Mikrometern elfmal schneller als bisherige kontinuierliche Methoden zu inspizieren.
Diese Arbeit untersucht die Anwendung der dynamischen symbolischen Ausführung zur semantischen Differenzanalyse von MontiArc-Architekturen, stellt dabei ein Framework zur Bewertung verschiedener Ausführungsstrategien vor und identifiziert Skalierbarkeit als zentrale Herausforderung für den Einsatz in größeren Systemen.
Das Paper stellt MIDAR vor, ein effizientes Surrogat-Modell für LiDAR-Erkennung, das mithilfe eines geometrieaware Graph Transformers realistische Detektionsergebnisse in mikroskopischen Verkehrssimulatoren erzeugt und so die Skalierbarkeit bei der Evaluierung autonomer Fahrzeuge mit hoher Genauigkeit verbindet.
Diese Studie stellt TransUNet-GradCAM vor, einen hybriden Transformer-U-Net-Ansatz mit Selbstattention und erklärbarer Visualisierung, der durch die Integration globaler Kontextinformationen und lokaler Details eine robuste und generalisierbare Segmentierung von diabetischen Fußulzera ermöglicht.
Die Arbeit stellt S²Q-VDiT vor, ein Nachtrainierungs-Quantisierungsframework für Video-Diffusions-Transformer, das durch saliente Datenselektion und sparse Token-Distillation eine verlustfreie Leistung bei 4-Bit-Gewichten und 6-Bit-Aktivierungen mit signifikant reduzierten Speicher- und Rechenkosten erreicht.
Das Paper stellt SPEX vor, ein multimodales Vision-Language-Modell, das mithilfe des neuartigen SPIE-Datensatzes und spezieller Trainingsstrategien erstmals spektrale Informationen nutzt, um eine präzise, instruktionsgesteuerte Landbedeckungsextraktion aus multispektralen Fernerkundungsbildern mit erklärenden Texten zu ermöglichen.
Diese Arbeit stellt die erste Bewertung von 3D-Gaussian-Splatting-Methoden auf realen Fisheye-Bildern mit einem Sichtfeld über 180° vor, zeigt, dass 160° die optimale Balance zwischen Abdeckung und Qualität bieten, und führt eine neue, auf UniK3D basierende Tiefen-Initialisierung ein, die die oft fehlschlagende SfM-Initialisierung bei extremen Verzerrungen erfolgreich ersetzt.
Diese Studie präsentiert eine experimentelle Validierung von mathematisch nachweisbar verdeckter Funkkommunikation mittels Software-Defined Radios, die die theoretischen Grenzen des Quadratwurzelgesetzes bestätigt und praktische Implementierungsmöglichkeiten eröffnet.
Die Autoren stellen ein einheitliches, semantisch fundiertes Framework vor, das durch das Erlernen eines domainsunabhängigen probabilistischen Mannigfaltigkeitsraums anatomischer Regularitäten sowohl source-accessible als auch source-free Domain-Adaptation für die medizinische Bildsegmentierung ermöglicht und dabei state-of-the-art-Ergebnisse in beiden Szenarien erzielt.
Das Paper stellt Video-EM vor, ein trainingsfreies Framework, das durch die Orchestrierung von LLMs und Werkzeugen zur ereignisbasierten Konstruktion und Verfeinerung einer kompakten episodischen Gedächtnisrepräsentation die Herausforderungen des Verständnisses langer Videos für bestehende Video-LLMs löst.
Die Arbeit stellt UniUGG vor, das erste einheitliche Framework für das Verständnis und die Generierung von 3D-Daten, welches durch einen räumlichen Decoder auf Basis eines latenten Diffusionsmodells und eine geometrisch-semantische Lernstrategie hochwertige 3D-Szenen erzeugt und räumliche VQA-Aufgaben löst.
Das Paper stellt UniCast vor, ein parameter-effizientes multimodales Framework, das durch instanzbedingtes Prompting und dynamisches Modality-Routing bestehende Zeitreihen-Grundmodelle erweitert, um deren Vorhersagegenauigkeit durch die adaptive Integration von Zeitreihen-, Bild- und Textdaten zu steigern.