7210 Arbeiten
Die Arbeit stellt AnyPcc vor, ein universelles Framework zur Komprimierung von Punktwolken, das durch ein robustes universelles Kontextmodell und eine instanzadaptive Feinabstimmung (IAFT) die Generalisierungsfähigkeit über verschiedene Datensätze hinweg verbessert und dabei einen neuen State-of-the-Art bei gleichzeitig geringer Komplexität erreicht.
Diese Arbeit stellt ein automatisiertes System zur Zählung von Schädlingen in Wasserfallen vor, das durch einen robotergesteuerten Rührmechanismus mit adaptiver Geschwindigkeit und optimierten Rührmustern die durch Überlappungen verursachten Zählfehler signifikant reduziert und gleichzeitig die Effizienz im Vergleich zu herkömmlichen statischen Bildanalysen steigert.
Die Arbeit stellt CountFormer vor, ein exemplarfreies Framework, das durch den Einsatz des selbstüberwachten Vision-Modells DINOv2 die strukturelle Konsistenz beim Zählen unbekannter Objekte verbessert und zeigt, dass die Qualität der Repräsentation entscheidend für die Leistungsfähigkeit in diesem Bereich ist.
Das Paper stellt LagMemo vor, ein Navigationssystem, das eine 3D-Gauß-Splatting-Speichertechnologie mit Sprachdaten nutzt, um effiziente, offene und multimodale Zielsuche in komplexen Umgebungen zu ermöglichen, und wird durch den neu erstellten GOAT-Core-Datensatz rigoros evaluiert.
Die Arbeit stellt SAGE vor, eine Zero-Shot-Methode für strukturbewusste generative Videoübergänge, die durch die Kombination von struktureller Führung und Generierung nahtlose Übergänge zwischen inhaltlich unterschiedlichen Clips ermöglicht und dabei bestehende Methoden in Quantität und Nutzerakzeptanz übertrifft.
Die Studie stellt MobiDock vor, ein modulares, selbstrekonfigurierbares bimanuelles mobiles Manipulatorsystem, das durch eine autonome visuelle Docking-Strategie und einen neuen Gewindeschrauben-Verschluss zwei Roboter zu einer stabilen Einheit verbindet, wodurch die Koordination vereinfacht und die dynamische Stabilität sowie die Effizienz bei komplexen Aufgaben im Vergleich zu unabhängig kooperierenden Robotern signifikant verbessert werden.
Das Paper stellt VOPP vor, einen vektorisierten Online-POMDP-Planer, der durch die Umwandlung aller Planungsdatenstrukturen in Tensoren und die vollständige Vektorisierung der Berechnungen massive Parallelisierung ohne Synchronisationsengpässe ermöglicht und damit sowohl effizientere Lösungen als auch eine um den Faktor 1000 reduzierte Planungsbudget-Nutzung im Vergleich zu bestehenden Solvern erreicht.
Die vorgestellte Arbeit schlägt einen forensischen Ansatz zur Erkennung von KI-generierten Bildern vor, der auf der Analyse des „Diffusion Snap-Back"-Verhaltens basiert, bei dem die Rekonstruktion eines Bildes durch ein Diffusionsmodell genutzt wird, um mit einer hohen Genauigkeit von 0,993 AUROC zwischen echten und synthetischen Bildern zu unterscheiden.
Die Arbeit stellt PhantomFetch vor, eine hardwareunabhängige und prefetcher-erhaltende Verteidigungsmethode, die durch Verschlüsselung der sensiblen Ladeeffekte Side-Channel-Angriffe über IP-Stride-Prefetcher mit vernachlässigbarem Overhead verhindert.
Die Arbeit stellt MUGSQA vor, eine neue Methode zur subjektiven Qualitätsbewertung von Gaussian Splatting-Rekonstruktionen, die auf multiplen Unsicherheiten basiert und ein entsprechendes Datenset sowie Benchmarks zur Evaluierung von Rekonstruktionsmethoden und Qualitätsmetriken bereitstellt.
Die Arbeit stellt CountOCC vor, ein Framework für das amodale Zählen in offenen Umgebungen, das durch hierarchische multimodale Führung und einen visuellen Äquivalenz-Objektiv die durch Verdeckung verursachten Fehlerzustände überwindet und damit neue State-of-the-Art-Ergebnisse auf verdeckungsreichen Datensätzen erzielt.
Das Paper stellt LAMP vor, ein Framework für sprachaugmentiertes Multi-Agenten-Reinforcement-Learning, das durch eine „Denken-Sprechen-Entscheiden"-Pipeline numerische Daten mit sprachlicher Analyse verbindet und in Wirtschaftssimulationen signifikant bessere Ergebnisse als herkömmliche MARL- oder reine LLM-Ansätze erzielt.
Der Artikel stellt Video2Layout vor, ein Framework, das mithilfe von kontinuierlichen Objektgrenzkoordinaten und einem zweistufigen Feinabstimmungsprozess metrisch fundierte räumliche Layouts aus Videos rekonstruiert, um die Fähigkeiten von Multimodalen Large Language Models zur räumlichen推理 im Vergleich zu diskretisierten Gitterkarten signifikant zu verbessern.
Diese Arbeit stellt das Multi-Order Matching Network (MOMNet) vor, ein neuartiges, ausrichtungsunabhängiges Framework, das durch eine mehrstufige Abgleich- und Aggregationsstrategie robuste und präzise Tiefen-Super-Resolution auch bei fehlender räumlicher Abstimmung zwischen RGB- und Tiefendaten ermöglicht.
Die Arbeit stellt DualMindVLM vor, ein visuelles Sprachmodell, das durch eine adaptive Dual-System-Architektur und GRPO-basiertes Training die natürliche Tendenz von Modellen zu unterschiedlich langen Antworten nutzt, um bei komplexen Aufgaben tiefgründiges Nachdenken mit effizienten, schnellen Reaktionen bei einfachen Fragen zu verbinden und dabei sowohl die Leistung als auch die Token-Effizienz zu maximieren.
Die vorgestellte Arbeit stellt den Radiative-Structured Neural Operator (RSNO) vor, einen neuartigen Ansatz zur kontinuierlichen spektralen Super-Auflösung, der physikalische Strahlungsprinzipien und eine mehrstufige Architektur nutzt, um realistischere hyperspektrale Bilder aus multispektralen Beobachtungen zu rekonstruieren und dabei Farbverzerrungen zu minimieren.
Der Artikel stellt UnfoldLDM vor, ein Deep-Unfolding-Framework, das durch die Integration eines latenten Diffusionsmodells und spezieller Module zur Schätzung von Degradationen sowie zur Wiederherstellung von Hochfrequenzdetails Blind Image Restoration verbessert.
Diese Studie analysiert mittels qualitativer und quantitativer Methoden, wie Reddit-Nutzer zwischen November 2022 und Mai 2025 durch kollektive Informationspraktiken wie Risikokommunikation, Normsetzung und die Suche nach alternativen Lösungen auf Datenschutzbedenken im Zusammenhang mit ChatGPT reagieren.
Diese Arbeit stellt ein stabiles, Echtzeit-Tracking-System für Marine-Roboter vor, das mithilfe eines Schwarmes von Drohnen, visueller Erkennung, GNSS-Triangulation und eines erweiterten Kalman-Filters die Positionsbestimmung unter der Wasseroberfläche ermöglicht, wo GNSS-Signale nicht verfügbar sind.
Die Arbeit stellt Yo'City vor, ein neuartiges agentic Framework, das mithilfe von Large Language Models eine personalisierte, hierarchisch geplante und unendlich erweiterbare Generierung realistischer 3D-Stadtlandschaften ermöglicht und dabei bestehende Methoden in allen Bewertungskriterien übertrifft.