3447 Arbeiten
Die Arbeit stellt TIMotion vor, ein effizientes Framework für die Generierung von menschlich-menschlichen Bewegungen, das durch kausale interaktive Injektion, rollenbasierte Scanning-Verfahren und lokale Musterverstärkung die zeitliche Modellierung und Interaktionsmischung verbessert, um suboptimale Ergebnisse und redundante Parameter bestehender Methoden zu überwinden.
Die Studie stellt VisPoison vor, ein Backdoor-Angriffsframework, das Text-zu-Visualisierung-Modelle für tabellarische Daten durch Datenvergiftung mit versteckten Auslösern manipuliert, um sensible Daten zu enthüllen, irreführende Visualisierungen zu erzeugen oder Denial-of-Service-Angriffe auszulösen.
Die Arbeit stellt OWL-TAMP vor, ein System, das Vision-Language-Modelle nutzt, um diskrete und kontinuierliche Constraints zu generieren, wodurch Task-and-Motion-Planning-Systeme in der Lage sind, komplexe Manipulationsaufgaben basierend auf natürlichen Sprachanweisungen in offenen Umgebungen zu lösen.
Die Studie zeigt, dass trotz verschiedener Strategien zur Fehlerbehebung die Häufigkeit unbrauchbarer Antworten von LLMs dazu führt, dass ein Großteil der Softwareingenieure die Nutzung von ChatGPT in komplexen Entwicklungsaufgaben aufgibt, was die Notwendigkeit verbesserter Werkzeugunterstützung und Forschung zur Mensch-KI-Interaktion unterstreicht.
Die vorgestellte Arbeit führt einen budget-effizienten Rahmen für das aktive Prompt-Learning ein, der durch klassenbasiertes Clustering und adaptive schwellenwertgesteuerte Abfragen die Anpassung von Vision-Language-Modellen an neue Aufgaben mit weniger gelabelten Daten ermöglicht und dabei bestehende Baselines übertrifft.
Diese Studie stellt eine Taxonomie von neun „Log Smells" vor, die auf einer Analyse von 51 wissenschaftlichen Artikeln basiert, und ordnet diese Fehlertypen bestehenden Werkzeugen zu, um Entwicklern zu helfen, qualitativ hochwertigere Protokollierungscode zu schreiben und Forschungsbedarf aufzuzeigen.
Diese Studie vergleicht die Leistung von Einzelpersonen, ad-hoc-Paaren und nominalen Paaren bei der visuellen Graphanalyse in Mixed Reality und stellt fest, dass eine 3D-Darstellung allein keine besseren kollaborativen Ergebnisse im Vergleich zum Benchmark liefert.
Die Studie stellt ARSGaussian vor, eine Methode zur Synthese neuer Ansichten in der Luftbild-Fernerkundung, die LiDAR-Punktwolken und eine verzerrungskompensierende Koordinatentransformation nutzt, um geometrische Fehler wie schwebende Objekte zu reduzieren und eine präzise 3D-Rekonstruktion zu ermöglichen, wobei zudem der neue AIR-LONGYAN-Datensatz veröffentlicht wird.
Diese Studie analysiert mittels Text-Mining 160 Richtlinien und Policy-Erklärungen aus vierzehn Industriesektoren, um die Governance von Generativer KI und Large Language Models zu bewerten und Handlungsempfehlungen für eine verantwortungsvolle Integration zu geben.
Das Paper stellt Kite vor, ein Protokoll für DAOs, das die private Delegation von Stimmrechten ermöglicht, sodass weder die Identität des Delegierenden noch die des Delegierten öffentlich einsehbar ist, und demonstriert dessen praktische Umsetzbarkeit als Erweiterung von Governor Bravo auf Ethereum.
Die Arbeit stellt iMarkers vor, eine innovative Klasse unsichtbarer fiduzieller Marker, die speziell für Roboter und AR-Geräte entwickelt wurden, um die visuelle Ästhetik von Umgebungen zu bewahren, während sie gleichzeitig eine flexible, robuste und für Menschen nicht wahrnehmbare Orientierung und Objekterkennung ermöglichen.
Die Studie zeigt, dass geschlechtsspezifische Vorurteile in der Wahrnehmung von Führungskräften auch auf KI-Manager übertragen werden, wobei männliche Manager unabhängig von ihrer Natur positiver bewertet werden, während weibliche KI-Manager bei negativen Entscheidungen stärker skeptisch betrachtet werden.
Diese umfassende Umfrage analysiert über 200 Forschungsarbeiten zur Verbesserung der Generalisierbarkeit von Wi-Fi-Sensing-Systemen, indem sie Techniken, Datensätze und zukünftige Forschungsrichtungen strukturiert zusammenfasst und eine neue Plattform für den Datenaustausch einführt.
Die Arbeit stellt RS-STE vor, einen neuartigen Ansatz für die Bearbeitung von Szenentext, der Texterkennung und -manipulation in einem einheitlichen Framework vereint, um durch eine parallele Transformer-Decodierung und eine zyklische selbstüberwachte Feinabstimmung komplexe Pipelines zu überwinden und gleichzeitig State-of-the-Art-Ergebnisse auf synthetischen und realen Datensätzen zu erzielen.
Die Arbeit stellt NeurCC vor, einen neuartigen, lernbasierten Algorithmus zur Nebenläufigkeitskontrolle in Datenbanken, der durch die Kombination von Bayes-Optimierung und einem Graphen-Reduktions-Suchverfahren eine effiziente, anpassungsfähige Funktion erlernt, die in verschiedenen Arbeitslasten eine höhere Transaktionsdurchsatzleistung erzielt als bestehende State-of-the-Art-Verfahren.
Dieser Artikel erweitert die Äquivalenz zwischen rechten Aktoritäten mit Hom-Objekten und rechten, mit Kopotenzen ausgestatteten, angereicherten Kategorien auf nicht-kommutative und nicht-abgeschlossene monoidale Basen, um die Semantik höherordniger Nachrichtenübermittlung in der concurrenten Sprache CaMPL zu ermöglichen, bei der Prozesse als sequenzielle Daten weitergegeben werden müssen, um die lineare Einschränkung der Duplizierung von Ressourcen zu umgehen.
Diese Arbeit stellt ein neuartiges halbüberwachtes Lehrer-Schüler-Framework für die biomedizinische Bildsegmentation vor, das Diffusionsmodelle nutzt, um durch iterative Pseudo-Label-Generierung und Co-Training auch bei begrenzten annotierten Daten eine überlegene Leistung im Vergleich zu bestehenden Methoden zu erzielen.
Die Arbeit stellt den groß angelegten Datensatz BR-Gen für lokalisierte KI-generierte Bildfälschungen vor und schlägt das Modell NFA-ViT vor, das durch eine rauschgesteuerte Verstärkung von Fälschungsspuren die Erkennungsgenauigkeit und Generalisierungsfähigkeit verbessert.
Das Paper stellt SPDL vor, eine Open-Source-Bibliothek, die durch die vollständige Freigabe des Python-GIL und effiziente Parallelisierung die Datenübertragung auf GPUs erheblich beschleunigt und dabei im Vergleich zu PyTorch DataLoader signifikant weniger CPU-Ressourcen und Speicher verbraucht.
Die Arbeit stellt iTuP und SDG-Net vor, ein System, das durch die Minimierung vorhergesagter, aufgabenbedingter Drehmomente und Gleitkräfte stabile Greifpositionen für den Robotereinsatz von Werkzeugen auswählt und so die Erfolgsrate im Vergleich zu rein geometrischen Ansätzen signifikant steigert.