6520 Arbeiten
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.
Die vorgestellte Arbeit verbessert die visuelle Dekodierung aus EEG-Signalen durch die Einführung des Konzepts der „Neural Visibility" und einer hierarchischen Fusionsstrategie, die eine bessere Abstimmung zwischen Gehirnaktivität und visuellen Merkmalen ermöglicht und damit neue State-of-the-Art-Ergebnisse auf dem THINGS-EEG-Datensatz erzielt.
Das Paper stellt Multi-TAP vor, ein neuartiges Framework für die cross-domain-Empfehlung, das durch semantisches Persona-Modelling und zieladaptive Übertragung von Quell-Daten die Heterogenität von Nutzerpräferenzen erfasst und so die Leistung bestehender Methoden übertrifft.
Die Arbeit stellt mAVE vor, ein neuartiges Wasserzeichen-Verfahren für gemeinsame Audio-Visual-Generierungsmodelle, das durch kryptografische Verschränkung der latenten Räume von Audio und Video eine robuste Abwehr gegen Swap-Angriffe gewährleistet und dabei die Modellleistung vollständig erhält.
Diese Studie stellt einen multidimensionalen Evaluierungsrahmen vor, der zeigt, dass zwar Small Language Models unter 3 Milliarden Parametern für die Generierung von Architekturentscheidungen stark von Fine-Tuning profitieren, jedoch erst Modelle oberhalb dieser Schwelle robuste Zero-Shot-Fähigkeiten aufweisen und eine hohe semantische Vielfalt oft mit Halluzinationen einhergeht.
Die Autoren stellen eine Methode vor, die durch die Kombination von überwachtem Fine-Tuning eines Vision-Language-Action-Modells und einer menschlichen Feedback-Reinforcement-Learning-Strategie natürliche, kontextangepasste Gesichtsausdrücke für dyadische Interaktionen erzeugt, die menschlichen Präferenzen entsprechen.
Diese Arbeit untersucht kooperative Graphspiele mit verteiltem Zufall, bei denen Spieler keine gemeinsame Zufallsquelle teilen, und zeigt, dass für das Schwellenwertproblem memoryless Strategien ausreichen, während das fast-sichere Erreichbarkeitsproblem NP-vollständig ist, was zur Entwicklung der Logik IRATL und eines entsprechenden Löser-Algorithmus führt.
Diese Arbeit stellt einen auf dem ADMM-Verfahren basierenden verteilten modellprädiktiven Regelungsansatz vor, der die kollaborative Fortbewegung und Manipulation schwerer Lasten durch ein Team von Laufrobotern mit Manipulatoren in komplexen Umgebungen durch effiziente Zerlegung des globalen Optimierungsproblems in parallele Teilprobleme ermöglicht.
Die vorgestellte Arbeit präsentiert einen skalierbaren, probabilistischen Ansatz zur Vorhersage menschlicher Bewegungen mittels strukturierter Multi-Task-Variations-Gaußscher Prozesse, der auf dem Human3.6M-Datensatz eine hohe Genauigkeit bei gleichzeitig zuverlässiger Unsicherheitsquantifizierung und effizientem Ressourceneinsatz für den Echtzeit-Einsatz in der sicheren Mensch-Roboter-Kollaboration erreicht.