💻 Category

cs

3886 Arbeiten

💻 Informatik

MS-RTDETR: Leveraging Multi-Scale Feature Enhancement and Query Refinement for Small Object Detection

Das Papier präsentiert MS-RTDETR, einen Echtzeit-End-to-End-Detektor, der die Detektion kleiner Objekte durch die Vereinigung von Multi-Scale-Merkmalsverstärkung und Query-Verfeinerung mittels eines neuartigen Scale-Coupled Feature–Query Refinement (SCFQR)-Mechanismus sowie einer unsicherheitsbewussten Matching-Zielsetzung verbessert und dadurch eine überlegene Leistung und Robustheit über verschiedene Datensätze hinweg erreicht, ohne dass zusätzliche Inferenzzweige erforderlich sind.

Ningxiang Sun, Fang Niu, YuJiao Chen, Bing Liu, Xiaoguang Wang, Tianping Li2026-09-14
💻 Informatik

Auditable AI Ethics in Education: Developing Measurable Competencies for Sustainable Development across K-12 and University Curricula

Diese Studie entwickelt und validiert empirisch ein Kompetenzmodell für „auditierbare KI-Ethik“, das die Brücke zwischen hochrangigen regulatorischen Mandaten und praktischen Lehrplänen für K-12 sowie Universitäten schlägt, wobei durch ein Pilotprogramm nachgewiesen wird, dass eine ergebnisorientierte, handlungsorientierte Pädagogik Studierende effektiv von passiven KI-Konsumenten zu verantwortungsbewussten Schöpfern transformiert, die zu kritischer Verifizierung, Bias-Mitigierung und rechtlicher Compliance fähig sind.

Elena Gaevskaya, Rustam Shadiev, Nikolay Borisov, Aleksandra Pushkina, Peter Fedkin2026-09-14
💻 Informatik

Coherent Projector-Overlap QFNNs with Chebyshev Responses: Expressivity, Approximation, and Coherent Depth

Dieses Paper führt ein kohärentes Quanten-Feedforward-Neuronales-Netzwerk (QFNN) ein, das trainierbare Projektionsüberlappungen und alternierende Reflexionen nutzt, um exakte Chebyshev-Polynom-Aktivierungen zu implementieren, wodurch es eine rigorose theoretische Grundlage für dessen Expressivität, universelle Approximationsfähigkeit und Generalisierungsgrenzen etabliert, während es gleichzeitig eine wettbewerbsfähige Leistung bei Benchmark-Aufgaben der Bildklassifizierung demonstriert.

Andrej Sum-Shik2026-09-14
💻 Informatik

Related Families, Not Label Errors: A Case Study of a Failure Mode in Open-World Malware Evaluation on BODMAS

Diese Arbeit zeigt auf, dass die schlechte Leistung der Open-World-Malware-Erkennung auf dem BODMAS-Benchmark nicht durch Labeling-Fehler oder Defizite der Detektoren verursacht wird, sondern durch das Vorhandensein eng verwandter Familien im Trainingssatz, die die zurückgehaltenen „neuartigen“ Proben für unüberwachte Novelty-Scoring-Methoden tatsächlich vertraut erscheinen lassen.

Vedant Shah, Fabio Di Troia2026-09-14
💻 Informatik

ParaWeb: Parallel Programming Patterns for Web Development

// l'original est une seule phrase complexe, la traduction doit l'être aussi. // Traduction : // "Die Implementierung von zehn parallelen Programmiermustern über Message Passing, Shared Memory und WebGPU-Compute-Shader für Node.js und Browser zeigt, dass die thanlische Bibliothek 'ParaWeb' signifikante Geschwindigkeitssteigerungen gegenüber sequentiellem JavaScript sowie eine wettbewerbsfähige Performance gegenüber C++-Bibliotheken erzielt und dabei den kritischen Einfluss des Datentransfer-Overheads auf die GPU-Effizienz hervorhebt." // Attendez, je dois m'assurer de respecter la structure exacte de la phrase originale qui est : [Sujet] + [Verbe] + [Complément d'objet direct/indirect]. // Version finale : ParaWeb ist eine TypeScript-Bibliothek, die zehn parallele Programmiermuster über Message Passing, Shared Memory und WebGPU-Compute-Shader für Node.js und Browser implementiert, wobei sie signifikante Geschwindigkeitssteigerungen gegenüber sequentiellem JavaScript sowie eine wettbewerbsfähige Performance gegenüber C++-Bibliotheken demonstriert und gleichzeitig den kritischen Einfluss des Datentransfer-Overheads auf die GPU-Effizienz hervorhebt.

Suejb Memeti2026-09-14
💻 Informatik

S3HNet: Stage-Aware Spectral-Spatial Learning for Ground-Level Urban Hyperspectral Remote Sensing Segmentation

Dieses Paper schlägt S3HNet vor, ein stufenbewusstes spektral-räumliches hierarchisches Netzwerk, das bodennahe urbane Hyperspektralbilder effektiv segmentiert, indem es bandensensitive spektrale Evidenz in flachen Encoder-Stufen bewahrt und räumlich konsistente semantische Repräsentationen im Decoder rekonstruiert und dadurch bestehende dichte Segmentierungsmodelle auf Benchmark-Datensätzen übertrifft.

Shuaijun Wang, Fuqiang Yuan, Beiqi Wu, Yihao Liu2026-09-14
💻 Informatik

Compiler-Guided Polynomial-Level Parallelism for FHE-Encrypted Machine Learning Inference

Das Paper stellt CRISP vor, einen compilergestützten Ansatz, der durch das Einbüßen von Laufzeit-SIMD-Vektorisierung zugunsten von Compile-Zeit-OpenMP-Parallelisierung eine sichere Parallelisierung auf Polynomebene für die FHE-verschlüsselte Inferenz maschinellen Lernens ermöglicht, was innerhalb des ANT-ACE-Compiler-Frameworks zu signifikanten Geschwindigkeitssteigerungen und Latenzreduzierungen führt.

Zijian Duan, Zuoyan Zhang, Tao Dai, Zhihong Liang, Jie Zhao2026-09-14
💻 Informatik

ADE-MDA-Net: an asymmetric dual-encoder network with multi-dilation attention for bearing surface defect segmentation

Dieses Paper schlägt ADE-MDA-Net vor, ein asymmetrisches Dual-Encoder-Netzwerk, das SE-Dual-Pooling-Fusion, Multi-Dilation-Depthwise-Attention und Multi-Scale-Spatial-Attention-Fusion-Module integriert, um eine präzise und recheneffiziente Pixelebene-Segmentierung von anspruchsvollen Oberflächendefekten an Wälzlagern zu erreichen.

Hong Fan, Xiaoliang Jiang, Xiaolong Zhou, Sixian Chan, Sheng Wang2026-09-14
💻 Informatik

NPU-Accelerated Neuro-Fuzzy Safety Assistance with Decision-Level Multimodal Fusion for Teleoperated Assistive Robots

Dieses Paper präsentiert ein Edge-AI-Shared-Control-Framework für teleoperierte assistive Roboter, das eine Hailo-8L NPU nutzt, um simultan ein Adaptive Neuro-Fuzzy Inference System und einen YOLOX-S-Detektor auszuführen und deren Ausgaben zu fusionieren, um Kollisionsraten sowie Notfallinterventionen signifikant zu reduzieren und gleichzeitig den vollen lokalen Betrieb aufrechterhalten zu können.

Sarra Ben Halima, Faten Ben Abdallah, Joseph Haggege2026-09-14
💻 Informatik

A Lightweight, Distributed Energy-Aware Clustering Algorithm for Heterogeneous IoT Sensor Networks Using Adaptive Thresholding

Dieses Paper schlägt AdaHet-Clust vor, einen leichtgewichtigen verteilten Clustering-Algorithmus, der eine adaptive Schwellenwertbildung nutzt, um Cluster-Heads basierend auf lokalen Energiebedingungen in heterogenen IoT-Netzwerken dynamisch auszuwählen, wodurch die Netzwerklebensdauer im Vergleich zu bestehenden Methoden signifikant verlängert und der Steuerungs-Overhead reduziert wird.

Naeem A. Askar, Ismail Y. Maolood, Azad A. Ameen2026-09-14