8117 Arbeiten
Diese Studie untersucht mittels subjektiver Experimente, wie sich End-to-End-Latenz in VR-Konferenzen im Vergleich zu herkömmlicher Videokonferenzierung auf die wahrgenommene Interaktionsflüssigkeit und das soziale Präsenzempfinden auswirkt, um Erkenntnisse für die Optimierung immersiver virtueller Umgebungen zu gewinnen.
Die Arbeit untersucht das Online-Problem des gewichteten nicht-kreuzenden Matchings in der euklidischen Ebene und zeigt, dass zwar deterministische Algorithmen für allgemeine Gewichte keine nicht-triviale Wettbewerbsfähigkeit garantieren können, randomisierte Algorithmen jedoch eine konstante Wettbewerbsfähigkeit erreichen, während für Varianten mit revokierbaren Entscheidungen, kollinearen Punkten oder begrenzten Gewichten sowie für die Advice-Komplexität neue obere und untere Schranken hergeleitet werden.
Die Studie stellt das TPIFM-Modell vor, das die wahrgenommene Interaktionsflüssigkeit in der ferngesteuerten AR-Zusammenarbeit durch die Klassifizierung von Aufgaben nach ihren just-noticeable differences (JND) bewertet, um Netzwerkbegrenzungen wie Verzögerungen und Unterbrechungen zu berücksichtigen.
Die Arbeit stellt ForgeDreamer vor, ein neues Framework für die industrielle Text-zu-3D-Generierung, das durch einen Multi-Expert-LoRA-Ensemble-Mechanismus und eine Cross-View-Hypergraph-Geometrie-Verbesserung sowohl Domänenanpassungsprobleme als auch geometrische Konsistenzmängel überwindet und so eine präzise Fertigung ermöglicht.
Der Artikel stellt „FungiSync" vor, ein ko-lokalisiertes Mixed-Reality-Erlebnis, das durch die metaphorische Verknüpfung von Berührungen zwischen Teilnehmern die symbiotische Vernetzung mykorrhizaler Pilznetzwerke erfahrbar macht und so eine sinnliche Kritik am technologisch vermittelten Individualismus ermöglicht.
Die vorgestellte Arbeit verbessert die Effizienz des Trainings von 3D-Gaussian-Splatting durch neuartige Strategien und Verlustfunktionen, die die Listen der pro Pixel rendernden Gaußschen Verteilungen verkürzen, ohne dabei die Wiedergabequalität zu beeinträchtigen.
Die Arbeit stellt SVOR vor, ein robustes Framework, das durch drei innovative Designelemente – MUSE, DA-Seg und ein zweistufiges Curriculum-Training – die Herausforderungen realer Bedingungen wie Schatten, abrupte Bewegungen und fehlerhafte Masken bei der Video-Objektentfernung bewältigt und dabei neue State-of-the-Art-Ergebnisse erzielt.
Diese Arbeit stellt ein neuartiges, lernbasiertes Verfahren zur Zerlegung beliebiger 3D-Objekte in konvexe Körper vor, das durch das Lernen von Feature-Feldern erstmals ein feed-forward-Modell für die offene Welt ermöglicht und dabei sowohl hohe Qualität als auch eine breite Generalisierungsfähigkeit über verschiedene Repräsentationen hinweg erreicht.
CogBlender ist ein Framework, das durch die Interpolation von Geschwindigkeitsfeldern zwischen kognitiven Ankerpunkten eine kontinuierliche und multidimensionale Steuerung kognitiver Bildattribute wie Valenz, Erregung, Dominanz und Merkfähigkeit während der Text-zu-Bild-Generierung ermöglicht.
Die Arbeit stellt MDTrack vor, einen neuartigen Multimodal-Objektverfolger, der durch modalspezifische Expertenfusion und eine entkoppelte zeitliche Propagation mittels separater State-Space-Modelle sowie Cross-Attention-Mechanismen den aktuellen Stand der Technik auf fünf Benchmarks erreicht.
Das Paper stellt ToolRosetta vor, ein Framework, das Open-Source-Repositories automatisch in standardisierte, sicherheitsgeprüfte MCP-Tools für LLM-Agenten übersetzt, um die Skalierbarkeit und Leistung bei der Aufgabenerfüllung ohne manuelle Eingriffe zu verbessern.
Das Paper stellt SPR (See, Plan, Rewind) vor, einen fortschrittsbewussten Vision-Language-Action-Rahmen, der durch dynamische Unterteilung von Aufgaben in räumliche Teilziele und einen geschlossenen Regelkreis aus Beobachtung, Planung und Rücksetzfunktion bei Fehlern die Robustheit und Generalisierung robotischer Manipulation signifikant verbessert.
Diese Studie untersucht systematisch, wie Latenz die pragmatische und hedonische Qualität der Erfahrung (QoE) in netzwerkbasierten VR-Whiteboards beeinflusst, indem sie verschiedene Kollaborationsmodi und Plattformen (mit und ohne Avatare) im Vergleich zu PC-basierten Systemen analysiert, um praktische Optimierungsrichtlinien zu entwickeln.
Die Arbeit stellt CORAL vor, ein skalierbares Framework, das durch das Anbringen eines spezialisierten LoRA-Experten pro Aufgabe an einen eingefrorenen VLA-Hintergrund und eine dynamische Laufzeit-Routing-Strategie Interferenzen im Multi-Task-Learning vermeidet und so eine effiziente, lebenslange Robotik-Lernfähigkeit ohne Katastrophisches Vergessen ermöglicht.
Diese Studie stellt ein paralinguistisches und emotionsbewusstes Modell vor, das ohne Textkontext den optimalen Zeitpunkt für emotionale Validierung in japanischen empathischen Dialogen allein anhand von Sprachmerkmalen erkennt und so die Mensch-Roboter-Interaktion verbessert.
Die vorgestellte Arbeit löst das Problem der unzureichenden Entropieversorgung bei ressourcenbeschränkten IoT-Geräten durch die Implementierung eines externen, auf RISC-V-basierten Trusted Execution Environment (TEE)-Diensts, der über eine initiale Verbindung hinweg kryptografisch starke Zufallszahlen bereitstellt.
Die Arbeit stellt IntroSVG vor, einen introspektiven Generator-Kritiker-Rahmen, der durch Supervised Fine-Tuning und Direct Preference Optimization visuelle Rückmeldungen in den Generierungsprozess integriert, um die Qualität von Text-zu-SVG-Generierung durch einen iterativen „Erstellen-Überprüfen-Verfeinern"-Zyklus signifikant zu verbessern.
Die Arbeit stellt NLiPsCalib vor, ein effizientes Kalibrierungsframework für gekrümmte visuotaktile Sensoren, das mithilfe von Near-Light Photometric Stereo und alltäglichen Objekten eine hochpräzise 3D-Rekonstruktion ohne aufwendige Spezialgeräte ermöglicht.
Die Arbeit stellt OddGridBench vor, einen Benchmark zur Bewertung der Sensitivität multimodaler großer Sprachmodelle für feingranulare visuelle Diskrepanzen, und schlägt mit OddGrid-GRPO ein verstärkendes Lernframework vor, das durch Curriculum-Learning und abstandsabhängige Belohnungen die Wahrnehmungsfähigkeit dieser Modelle signifikant verbessert.
Diese Studie nutzt Honeypot-Onion-Websites, die über verschiedene Kanäle verbreitet wurden, um nachzuweisen, dass menschliche Nutzer fast ausschließlich über die Ahmia-Suchmaschine entdeckt werden und dass englischsprachige, mit CSAM-Thematik versehene Seiten im Vergleich zu anderen illegalen Kategorien die höchste Interaktionsrate aufweisen.