2527 Arbeiten
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.
Das Paper stellt den M4-SAR-Datensatz und ein Benchmark-Toolkit vor, die durch die Fusion von optischen und SAR-Bildern die Objekterkennung in komplexen Umgebungen signifikant verbessern und dabei einen neuen End-to-End-Detektionsrahmen sowie umfangreiche annotierte Daten bereitstellen.
Das Paper stellt MARRS vor, ein neuartiges Framework, das auf einem unit-differenzierten VAE, Action-Conditioned Fusion und Adaptive Unit Modulation basiert, um koordinierte und feinabgestimmte menschliche Reaktionsbewegungen durch kontinuierliche Repräsentationen zu synthetisieren und dabei die Nachteile diskreter Vektorquantisierung zu umgehen.
Das Paper stellt EasyText vor, einen auf Diffusion Transformern basierenden Rahmen für die präzise und kontrollierbare multilinguale Textgenerierung, der durch neuartige Positionierungscodierungen und ein umfangreiches synthetisches Datenset übertrifft.
Diese Studie zeigt, dass durch Instruction Tuning und Few-Shot-Prompting optimierte Large Language Models (LLMs) wie GPT-4o bei der Erkennung von Sicherheitslücken in mehreren Programmiersprachen und auf unterschiedlichen Granularitätsebenen (Funktion und Zeile) deutlich besser abschneiden als bisherige Pre-trained Language Models (PLMs).
Die Arbeit stellt SpikeSMOKE vor, einen energieeffizienten Ansatz für die monokulare 3D-Objektdetektion mittels Spiking Neural Networks, der durch einen neuartigen Cross-Scale Gating Coding-Mechanismus und leichte Restblöcke die Informationsverluste überwindet und gleichzeitig die Rechenkosten im Vergleich zu herkömmlichen Methoden drastisch senkt.
Diese Arbeit stellt einen großen, longitudinalen Datensatz mit über 75 Millionen Kommentaren und 400 Millionen Abstimmungen aus dem zehn Jahre umfassenden Diskursforum der österreichischen Zeitung DerStandard (2013–2022) bereit, der durch anonymisierte Benutzerdaten und vektorbasierte Textrepräsentationen den Schutz der Privatsphäre gewährleistet und Forschungen zur Diskursdynamik, Netzwerkanalyse und semantischen Auswertung in deutscher Sprache ermöglicht.
Die Arbeit stellt FieldLVLM vor, ein neuartiges Framework, das durch eine feldbewusste Sprachgenerierungsstrategie und eine datenkomprimierte Multimodal-Modellanpassung die Fähigkeit von Large Vision-Language Models verbessert, komplexe Strömungsfelddaten zu verstehen und wissenschaftliche Entdeckungen zu unterstützen.
Der Artikel stellt YOPO vor, einen minimalistischen, einstufigen Transformer-basierten Ansatz, der die 9-DoF-Pose-Schätzung von Objekten in einer Kategorie aus einzelnen RGB-Bildern direkt mit der Objekterkennung vereint und dabei ohne zusätzliche Tiefendaten oder CAD-Modelle neue State-of-the-Art-Ergebnisse erzielt.
Die Studie stellt einen neuen, clusterbasierten Rahmen für Website-Fingerprinting-Verteidigungen vor, der durch die adaptive Kombination von Regularisierung und supersequenzbasierten Gruppen die Sicherheit nachweisbar gewährleistet und gleichzeitig den Overhead im Vergleich zu klassischen Methoden wie Tamaraw drastisch reduziert.
Die Arbeit stellt CoRe-GS vor, ein grob-zu-fein Framework für semantisches Gaussian Splatting, das durch eine aufgabenspezifische, selektive Optimierung nur relevanter Punkte von Interesse die Trainingszeit drastisch verkürzt und gleichzeitig die Rekonstruktionsqualität für robotische Anwendungen verbessert.
Diese Studie analysiert erstmals in großem Maßstab die Verwendung von Gleitkommaarithmetik in öffentlich zugänglichen GitHub-Repositories statisch typisierter Sprachen, um durch die Veröffentlichung eines Datensatzes mit 10 Millionen Funktionen und den Vergleich mit bestehenden Benchmarks die Lücke zwischen theoretischen Forschungsansätzen und realer Praxis zu schließen.
Die Arbeit stellt VocSegMRI vor, ein multimodales Framework, das durch die Integration von Video-, Audio- und phonologischen Daten mittels Cross-Attention-Fusion und kontrastivem Lernen eine präzise Echtzeit-Segmentierung des Stimmtrakts in MRT-Bildern ermöglicht und dabei neue State-of-the-Art-Ergebnisse erzielt.
Diese Arbeit stellt einen dezentralen Lernansatz vor, der es Teams von N-Quadruped-Robotern ermöglicht, nicht greifbare Objekte ausschließlich durch physischen Kontakt zu transportieren, indem eine hierarchische Politik und eine spezielle Belohnungsfunktion eine implizite Synchronisation ohne Kommunikation oder mechanische Kopplung gewährleisten.
Diese Studie analysiert acht reale KI-Einsätze in nicht-westlichen Kontexten und leitet daraus zwölf Leitlinien ab, die betonen, dass für den erfolgreichen und sicheren Einsatz von KI im Dienst der Gesellschaft eine enge Zusammenarbeit zwischen Entwicklern und Fachexperten sowie die Berücksichtigung kultureller, institutioneller und technischer Faktoren entscheidend sind.