6408 Arbeiten
Die Arbeit stellt DeepEarth vor, ein selbstüberwachtes multimodales Weltmodell, das den neuartigen 4D-Raumzeit-Positionscodierer Earth4D nutzt, um durch submetergenaue und subsekundenscharfe planetare Vorhersagen über Jahrhunderte hinweg ökologische Prognosen mit State-of-the-Art-Leistung zu ermöglichen.
Die Arbeit TacDexGrasp stellt einen Ansatz für robustes und nachgiebiges dexteres Greifen vor, der mittels taktiler Rückmeldung und eines auf Second-Order Cone Programming basierenden Reglers die Kraftverteilung und das Gleitverhalten ohne explizite Drehmomentmodellierung steuert.
Das Paper stellt AIReSim vor, einen diskreten Ereignissimulator zur Bewertung und Optimierung von Zuverlässigkeitsstrategien, Parametern und Kapazitätsplanungen in großen KI-Clustern, um die Auswirkungen von Ausfällen und die Effizienz von Wiederherstellungsprozessen zu analysieren.
Die vorgestellte Arbeit entwickelt eine neuartige Methode zur feinkörnigen 3D-Gesichtswiederherstellung von Mikroexpressionen, die durch die Integration globaler dynamischer Merkmale und lokal angereicherter Hinweise aus 2D-Bewegungen, Gesichtspriors und 3D-Geometrie die bisherige Lücke bei der Rekonstruktion subtiler, flüchtiger Gesichtsausdrücke schließt und dabei den Mangel an Trainingsdaten durch die Nutzung von Makroexpressionen-Kenntnissen überwindet.
Diese Studie untersucht durch Interviews und partizipatives Design, wie Nachrüstlösungen die Grenzen herkömmlicher Smart-Cabin-Sensoren überwinden können, und leitet daraus konkrete Gestaltungsrichtlinien für die Entwicklung sensorbasierter intelligenter Fahrzeugkabinen ab.
Die Arbeit stellt CAPL vor, ein Framework zur Reduzierung von Halluzinationen in Large Vision-Language Models bei Multi-Image-Aufgaben, das durch eine kalibrierte Cross-Image-Attention und eine präferenzbasierte Lernstrategie die modellübergreifende Interaktion verbessert und die Modellierung auf echte visuelle Evidenz statt auf textuelle Priors ausrichtet.
Diese Arbeit stellt einen kommunikationsbewussten Rahmen vor, der Routing-Beschränkungen mit einer Matrix-Vervollständigungsmethode kombiniert, um die Genauigkeit der Wiederherstellung fehlender Messdaten in Verteilungsnetzen unter Kommunikationsausfällen signifikant zu verbessern.
Die vorgestellte Arbeit stellt ein skalierbares, domänenunabhängiges Web-Tool vor, das Large Language Models (LLMs) mit parallelen Suchtechniken kombiniert, um manuelle Datenbeschaffung für offene wissenschaftliche Datenbanken zu automatisieren und dabei eine hohe Übereinstimmung mit von Experten kuratierten Datensätzen zu erreichen.
Diese Arbeit stellt ein benutzerfreundliches Framework vor, das es Wissenschaftlern ermöglicht, mit Hilfe von LLM-gestützter Skripterstellung auf handelsüblicher Hardware animierte 3D-Darstellungen petaskaliger, zeitvariabler Klimadaten zu erzeugen und dabei die Abhängigkeit von spezialisierten Infrastrukturen sowie die Datenübertragungszeiten erheblich zu reduzieren.
Der vorgestellte Ansatz verbessert die Few-Shot-Fehlerdiagnose in industriellen Maschinen durch einen bidirektionalen Digital-Twin-Prototypen-Anker mit Multi-Periodizitäts-Lernen, der Meta-Training im virtuellen Raum und Testzeit-Anpassung im physikalischen Raum kombiniert, um auch bei extrem wenigen gelabelten Daten robuste Diagnosen zu ermöglichen.
Die Arbeit stellt SODA vor, eine Sensitivitätsorientierte, dynamische Beschleunigungsmethode für Diffusion-Transformer, die durch adaptive Caching- und Pruning-Strategien auf Basis feinkörniger Sensitivitätsmodelle eine überlegene Generierungsqualität bei kontrollierten Beschleunigungsverhältnissen erreicht.
Das Paper stellt GuideTWSI vor, einen umfassenden Datensatz für taktile Leit- und Warnsysteme, der synthetische und reale Bilder kombiniert, um die geografischen und geometrischen Beschränkungen bestehender Daten zu überwinden und so eine zuverlässige Navigation für blinde und sehbehinderte Menschen zu ermöglichen.
Die Autoren stellen mit Marauder ein deklaratives Framework vor, das durch die Definition einer Mutationsalgebra und eine verlustfreie Konversionspipeline die Verwaltung und Analyse handgefertigter Mutationen über verschiedene Repräsentationen hinweg vereinheitlicht und so die Effizienz sowie Ausdruckskraft von Mutationsexperimenten verbessert.
Das Paper stellt MedSteer vor, ein training-freies Framework zur Erzeugung kausaler, kontrastiver endoskopischer Bildpaare durch Aktivitätssteuerung in Diffusionsmodellen, das im Vergleich zu bestehenden Methoden eine überlegene strukturelle Konsistenz und Wirksamkeit für die Datenvermehrung in der medizinischen Bildanalyse demonstriert.
Dieser Artikel entwickelt eine geometrische Beschreibung und einen Entwurfsprozess für Popup-Strukturen, die durch die Kombination von Origami und Kirigami entstehen, um maßgeschneiderte Formen mit variierender Krümmung für Anwendungen wie Strömungswiderstandsreduktion, Verpackung und Architektur zu ermöglichen.
Dieses Paper stellt eine morphologieunabhängige Methode zur Gesichtsausdrucksimulation für humanoide Roboter vor, die durch die Entkopplung von Ausdruckssemantik und Gesichtsform sowie den Einsatz eines speziell entwickelten Roboters namens Pengrui realistischere und morphologieunabhängige Imitationen ermöglicht.
Diese Studie stellt ein neuartiges System vor, das mittels GPT-4-gestützter Dialoge mit Nutzern detaillierte Produktbewertungen erstellt, die von Lesern als hilfreicher empfunden werden und weniger Nachbearbeitung erfordern als menschlich verfasste Texte.
Die Studie stellt VirtueBench vor, einen neuen Benchmark, der die Zuverlässigkeit von Vision-Language-Modellen bei der Analyse langer Videos bewertet, indem sie deren Fähigkeit misst, unter Unsicherheit ehrlich zu verweigern, anstatt raten, um so irreführende Evaluierungsergebnisse zu vermeiden.
Die vorgestellte Methode PhyVLM-CR integriert semantisches Wissen aus Vision-Language-Modellen in physikalische Restaurierungsmodelle, um eine einheitliche und hochpräzise Entfernung sowohl dünner als auch dicker Wolken aus optischen Fernerkundungsdaten zu ermöglichen, ohne dass eine explizite Trennung der Wolkenarten erforderlich ist.
Die Studie stellt PSG-UIENet vor, ein neuartiges Unterwasser-Bildverbesserungsnetzwerk, das physikalische Retinex-Prinzipien mit semantischen Textführungen durch CLIP kombiniert und dabei einen neuen multimodalen Datensatz sowie eine spezielle Verlustfunktion einführt, um die Generalisierungsfähigkeit und semantische Konsistenz zu verbessern.