8386 Arbeiten
Dieses Paper stellt drei neue, hochwertige Testdatensätze vor (Hadrian, Eclipse und ND-Twins), die ohne künstliche Bildverschlechterung die Schwierigkeit der Gesichtserkennung durch natürliche Variationen wie Bartwuchs, Belichtung und Ähnlichkeit bei Zwillingen erhöhen, um Schwächen bestehender Algorithmen aufzudecken.
Die Arbeit stellt RDM vor, ein rekurrentes Diffusionsmodell, das mithilfe von Normalizing Flows effizient lange, textgetreue menschliche Bewegungssequenzen generiert, indem es den rechenintensiven vollständigen Denoising-Prozess früherer Autoregressiver Ansätze umgeht.
Diese Arbeit stellt eine Methode vor, die Transfer-Entropie nutzt, um den Einfluss zwischen Agenten in der Mensch-Roboter-Interaktion über Belohnungsmodulation zu steuern und so implizite Kommunikation sowie verbesserte Zusammenarbeit oder soziale Unabhängigkeit in kollaborativen und kompetitiven Szenarien zu fördern.
Diese Arbeit stellt ein generisches Rahmenwerk vor, das hinreichende Bedingungen für die polynomielle Entscheidbarkeit von Fragmenten erster Ordnung mit einer festen Anzahl von Negationen liefert und damit zeigt, dass schwache Presburger-Arithmetik sowie andere spezifische Theorien in polynomieller Zeit entscheidbar sind, im Gegensatz zu NP-schweren Fragmenten der vollen Presburger-Arithmetik.
Das Paper stellt MORCoRA vor, eine multi-objective Suchmethode, die nicht nur Code-Qualitätsverbesserungen und semantische Korrektheit anstrebt, sondern auch sicherstellt, dass die empfohlenen Refactoring-Sequenzen von verfügbaren und fachkundigen Entwicklern zeitnah geprüft werden können.
Diese Arbeit stellt einen in 28-nm-CMOS-Technologie gefertigten, extrem energieeffizienten analoge Spiking-Neuronen mit einem Verbrauch von 1,6 fJ pro Spike vor, der als Kernkomponente für einen neuromorphen System-on-Chip dient und in einem quantisierten Spiking-Neuronalen Netzwerk eine MNIST-Genauigkeit von 82,5 % erreicht.
Diese Studie untersucht anhand einer Mixed-Methods-Analyse, wie Wikipedia-Artikel zu tabuisierten Themen trotz Konflikten und Zensur entstehen und bestehen bleiben, und identifiziert sechs Entwicklungsmuster, die resilienter Führung, organisierter Unterstützung und emergenter Governance bedürfen.
Diese Arbeit stellt das multimodale System MLVAS vor, das durch die Kombination von Videostroboskopie und Audioanalyse sowie fortschrittlicher Segmentierung und Merkmalsextraktion eine objektive, assistierte Diagnose der Stimmlippenlähmung ermöglicht.
Diese Arbeit untersucht das transformative Potenzial künstlicher Intelligenz zur Automatisierung und Optimierung der Testfallgenerierung und -validierung, wobei sie sowohl die gesteigerte Effizienz und Abdeckung als auch die Herausforderungen wie Datenqualität und die Balance zwischen Automatisierung und menschlicher Aufsicht beleuchtet.
Diese Arbeit stellt einen sicheren Navigationsrahmen für bipede Roboter vor, der Deep Reinforcement Learning mit einer auf dem Koopman-Operator basierenden, linearisierten Modellprädiktiven Regelung kombiniert, um die nichtlineare Dynamik präziser zu erfassen und die Erfolgsrate in komplexen Umgebungen zu steigern.
Das Paper stellt InterMind vor, ein von großen Sprachmodellen gestütztes System, das durch die Einbeziehung von Familie, die Nutzung von Retrieval-Augmented Generation und Chain-of-Thoughts sowie die Generierung interpretierbarer Berichte die Effizienz und Genauigkeit der Depressionsdiagnose im Dreiklang aus Arzt, Patient und Angehörigen verbessert.
Die Arbeit stellt PiVOT vor, einen neuen Visual-Prompting-Mechanismus für das generische Objekttracking, der einen vortrainierten Fundamentmodell (CLIP) nutzt, um Online-Visual-Prompts automatisch zu generieren und zu verfeinern, wodurch der Tracker durch kontrastive Führung Störobjekte effektiv unterdrücken und die Verfolgungsleistung verbessern kann.
Das Paper stellt S^2Sim vor, ein System zur automatischen Diagnose und Reparatur verteilter Routing-Konfigurationen durch selektive symbolische Simulation, das Fehler identifiziert und Patches vorschlägt, indem es intent-konforme Varianten findet.
Die Arbeit stellt den Pose Prior Learner (PPL) vor, eine selbstüberwachte Methode, die ohne menschliche Annotationen allgemeine Pose-Priors für Objektkategorien lernt und so die Genauigkeit der Pose-Schätzung, insbesondere bei verdeckten Bildern, durch den Einsatz einer hierarchischen Speicherstruktur und iterativer Inferenz verbessert.
Die Arbeit stellt ExpGest vor, ein neuartiges Diffusionsmodell, das durch die Synchronisation von Audio- und Textinformationen sowie einen speziellen Emotionsklassifikator erstmals ausdrucksstarke, kontrollierbare Ganzkörpergesten erzeugt und damit die Starrheit bestehender Upper-Body-Methoden überwindet.
Die Arbeit untersucht revenue-maximierende Vermittlungsmechanismen im bilateralen Handel bei interdependenten Wertschätzungen, zeigt ein Unmöglichkeitstrilemma für Incentive-Compatibility, Gehorsam und Informationsgehalt auf und charakterisiert optimale Lösungen unter Relaxierungsbedingungen, die entweder zu einer Informationsasymmetrie zugunsten niedrig bewerteter Käufer oder zu einem „Lemons-Market"-Effekt führen.
Diese Arbeit stellt eine neue Variante des Pebble-Games vor, die partielle Berechnungen zulässt, um Datenbewegungen in DAGs mit beliebigen Eingangsgraden zu modellieren, und zeigt, dass die Entscheidungsfrage nach einer optimalen Strategie NP-vollständig ist, während Approximationsalgorithmen für Spezialfälle skizziert werden.
Dieser Artikel zeigt, wie untere Schranken für uniforme nichtdeterministische Laufzeiten (z. B. für k-SAT oder MAX-3-SAT) genutzt werden können, um die Existenz von kombinatorischen Objekten mit hoher Komplexität, wie monotonen Booleschen Funktionen, Matrizen mit hoher Steifigkeit und Tensoren mit hohem Rang, nachzuweisen.
Diese Studie untersucht mittels einer computergestützten Analyse von zwei Jahren Hit-Daten, wie sich die unterschiedlichen Plattformlogiken von TikTok und Spotify auf die Produktion und Rezeption von Musik auswirken und wie die Popularität von Hits zwischen den beiden Plattformen interagiert.
Die Studie zeigt, dass algorithmische Agenten ohne direkte Kenntnis der Konkurrenz durch reine Synchronität ihrer Aktionen in wiederholten Gefangenendilemma-Spielen zu einer „naiven Kollusion" neigen können, wobei das Auftreten dieses Phänomens stark von der Wahl des Lernalgorithmus (z. B. deterministisch vs. zufällig) abhängt und erhebliche Implikationen für die Wettbewerbspolitik hat.