6438 Arbeiten
Das Paper stellt AutoUE vor, ein Multi-Agenten-System, das mithilfe von Retrieval-Augmented Generation und automatisierten Testpipelines komplexe 3D-Spiele in Unreal Engine end-to-end generiert und dabei Tool-Halluzinationen minimiert sowie die Code-Robustheit sicherstellt.
Die Arbeit stellt den PSAD-Framework vor, der durch eine semi-autoregressive Generierung, Online-Wissensdestillation und ein Benutzerprofil-Netzwerk sowohl die Effizienz als auch die Leistung personalisierter Reranking-Modelle in Empfehlungssystemen verbessert.
Die Studie zeigt, dass aktuelle Vision Language Models trotz starker textueller Vorurteile systematisch daran scheitern, physikalische Transformationen zu verstehen und invariante Eigenschaften über dynamische Szenen hinweg zu erhalten.
Die Arbeit stellt FEMA (Failure Episodic Memory Alert) vor, eine Technik, die durch das Speichern und Abrufen von Fehlerepisoden in einem episodischen Gedächtnis verhindert, dass Roboter wiederholt in instabile Zustände geraten, und so die Sample-Effizienz des Reinforcement Learning bei anspruchsvollen Kontaktdynamiken erheblich verbessert.
Die Arbeit stellt S-PCL vor, ein effizientes selbstüberwachtes Lernframework für die Darstellung von Röntgenbildern der Brust, das durch semantisch partitionierte Kontrastive Lernverfahren ohne aufwendige Datenaugmentierung oder Decoder eine überlegene Genauigkeit bei geringerer Rechenkomplexität erreicht.
Das Papier stellt aCAPTCHA vor, ein neues Sicherheitsverfahren, das durch zeitbasierte, asymmetrische Härte in der Verarbeitung natürlicher Sprache autonomen KI-Agenten, Skripten und Menschen unterscheidet, um eine infrastrukturneutralen Zugangskontrolle für Internetdienste zu ermöglichen.
Die Arbeit stellt TIQA vor, ein neues Bewertungssystem für die Textqualität in generierten Bildern, das durch die Einführung von MOS-markierten Datensätzen und der leichten Methode ANTIQA eine deutlich bessere Übereinstimmung mit menschlichen Urteilen erreicht als bestehende OCR- oder VLM-basierte Ansätze und sich als wertvoll für das Filtern und Neu-Ranking von Bildgenerierungen erweist.
Dieses Paper stellt Inter-Image Pixel Shuffling (IPS) vor, eine neuartige Methode, die Multi-Fokus-Bildfusion ohne reale Trainingsdaten ermöglicht, indem sie das Problem als Pixelklassifikation umformuliert und ein hybrides Netzwerk aus CNNs und State-Space-Modellen nutzt, um qualitativ hochwertige, scharfe Bilder zu erzeugen.
Diese Arbeit stellt eine lernbasierte Initialisierungsstrategie vor, die mithilfe eines neuronalen Netzes und realer Formel-1-Telemetriedaten expertenähnliche Rennlinien vorhersagt, um die Konvergenzgeschwindigkeit und Effizienz von Trajektorienoptimierungslösern für autonomes Rennfahren signifikant zu verbessern.
Diese Arbeit stellt einen multimodalen Datensatz mit Audio- und Vibrationssignalen von einem einstufigen Kettenförderer vor, der unter verschiedenen Betriebsbedingungen und mit realistischen Störgeräuschen erfasst wurde, um robuste Verfahren zur industriellen Fehlererkennung und -klassifizierung zu ermöglichen.
Die Arbeit stellt EyExIn vor, ein dateneffizientes Framework, das durch eine Deep Expert Injection-Mechanik und eine Expert-Aware Dual-Stream-Architektur die Lücken in der visuellen Wahrnehmung und dem logischen Schlussfolgern von großen multimodalen Modellen schließt, um durch die Verankerung von spezialisiertem ophthalmologischem Expertenwissen eine präzise und vertrauenswürdige Diagnose von Netzhauterkrankungen zu ermöglichen.
Die Studie argumentiert, dass die Ausrichtung multimodaler Großsprachenmodelle in frühkindlichen Entwicklungsprozessen nicht als individuelles Optimierungsproblem, sondern als ein gemeinschaftlich gesteuerter Prozess verstanden werden sollte, der durch eine mehrschichtige Abstimmung zwischen Experten, Fachkräften und Familien gewährleistet wird.
Das Paper stellt AutoSelect vor, eine Methode zur automatischen Auswahl visueller Tokens in Vision-Language-Modellen durch ein Rausch-Gating-Verfahren, die ohne zusätzliche Verlustfunktionen auskommt und bei minimaler Latenz die Inferenzgeschwindigkeit signifikant steigert, ohne die Genauigkeit zu beeinträchtigen.
Das Paper stellt DexKnot vor, ein Framework, das durch die Kombination von Schlüsselpunkt-Affordanzen mit Diffusions-Policies eine generalisierbare visuomotorische Steuerung für das Knoten deformierbarer Plastiktaschen ermöglicht.
Diese Studie stellt ein modellbasiertes Verfahren vor, das durch die Verknüpfung der thermischen Ausdehnung eines Hexapod-Aktors mit Oberflächentemperaturen eine experimentell validierte Korrektur von thermischen Drifts um mehr als 80 % ermöglicht.
Die Arbeit stellt PDD (Manifold-Prior Diverse Distillation) vor, ein neuartiges Framework für die medizinische Anomalieerkennung, das durch die Vereinigung komplementärer Lehrer-Modelle in einem gemeinsamen Manifold und eine diverse Wissensdistillation in zwei Schüler-Netzwerke signifikant höhere Genauigkeiten als bestehende State-of-the-Art-Methoden auf verschiedenen medizinischen Datensätzen erzielt.
Dieser Tutorial-Artikel bietet eine anwendungsorientierte Einführung in gestützte Inertialnavigationssysteme, indem er eine geometrische Formulierung auf Basis der verallgemeinerten Special-Euclidean-Gruppe SE₂(3) verwendet, um die Fusion von Inertialmessungen mit Hilfsdaten unter expliziter Berücksichtigung von Invarianz und Symmetrie zu erläutern und dabei moderne Erweiterungen wie äquivariante Filtermethoden vorzustellen.
Das Paper stellt CanoVerse vor, einen neuartigen, hochskalierbaren Datensatz mit 320.000 kanonisch ausgerichteten 3D-Objekten und einem effizienten Framework zur automatisierten Ausrichtung, der die Stabilität der 3D-Generierung verbessert und präzise, posekonsistente Semantik für verschiedene Anwendungen ermöglicht.
Die Arbeit stellt LiveWorld vor, ein neues Framework für generative Videoweltmodelle, das das Problem der „außerhalb des Sichtfelds liegenden Dynamik" löst, indem es einen persistenten globalen Zustand einführt, der es Objekten erlaubt, auch außerhalb des Kamerablickfelds weiterzuentwickeln und so eine konsistente 4D-Welt-Simulation zu ermöglichen.
Diese Arbeit stellt einen Rahmen vor, der die Transition State Theory mit der dynamischen Netzwerkanalyse verbindet, um diskrete strukturelle Veränderungen wie Fraktionsneuausrichtungen in kleinen Gruppen zu charakterisieren und unter bestimmten Annahmen sogar aus Querschnittsdaten vorherzusagen.