8400 Arbeiten
Die Arbeit stellt FoldNet vor, ein Framework, das durch die Synthese eines keypoint-basierten synthetischen Datensatzes und den Einsatz des KG-DAgger-Algorithmus für die Fehlerwiederherstellung eine generalisierbare, geschlossene Regelstrategie für das robotergestützte Falten von Kleidungsstücken mit einer realen Erfolgsrate von 75 % ermöglicht.
Die Arbeit stellt Diffusion-SAFE vor, einen geschlossenen Regelkreis auf Basis von Diffusionsmodellen, der durch die Vorhersage menschlicher Absichten und eine sicherheitsgeleitete Denoisierung eine nahtlose und probabilistisch gesicherte Kontrolleübergabe zwischen Mensch und autonomem Fahrzeug ermöglicht.
Die Arbeit stellt MTVCraft vor, ein bahnbrechendes Framework, das erstmals rohe 3D-Bewegungssequenzen (4D-Motion) durch einen speziellen Tokenizer und einen bewegungsbewussten Video-DiT direkt für die Animation beliebiger Charaktere nutzt, wodurch eine überlegene Generalisierung und flexible Steuerung im Vergleich zu herkömmlichen 2D-Pose-basierten Methoden erreicht wird.
Die Studie zeigt, dass bei 34 Finanzexperten, die GPT-4o für komplexe Bewertungsaufgaben nutzten, extrane kognitive Belastung die Leistung stärker beeinträchtigt als intrinsische Belastung, wobei proaktive KI-Eingriffe zwar die Ergebnisqualität steigern, aber bei weniger erfahrenen Nutzern zu einer asymmetrischen Belastung führen, die durch häufige, modellinitiierte Aufgabenwechsel am stärksten negativ beeinflusst wird.
Diese Studie stellt die Adiabatic Quantum Power Flow (AQPF) und Adiabatic Quantum Optimal Power Flow (AQOPF) Algorithmen vor, die die Leistungsfluss- und Optimalleistungsflussprobleme in diskrete kombinatorische Optimierungsmodelle umwandeln, und bewertet deren Skalierbarkeit und Robustheit auf verschiedenen Quanten- und digitalen Annealer-Hardware-Plattformen anhand von Testsystemen bis zu 1354 Bussen.
Diese Arbeit stellt eine neuartige Repräsentation lokaler Proteinumgebungen vor, die auf Zwischenschichten atomarer Grundmodelle basiert und nicht nur Struktur- und chemische Merkmale präzise erfasst, sondern auch den Aufbau datengesteuerter Priors sowie die Entwicklung eines hochpräzisen, physikbasierten Vorhersagemodells für NMR-Chemische Verschiebungen ermöglicht.
Diese Arbeit stellt einen unüberwachten Ansatz vor, der mittels multimodaler Vision-Sprache-Argumentation und Clustering aus großen Mengen an Roboter-Deployments-Logs semantisch kohärente und handlungsrelevante Fehlertaxonomien automatisch entdeckt, um die Systemrobustheit durch gezielte Datensammlung und verbessertes Fehlermonitoring zu steigern.
Dieses Paper stellt ein neuartiges Rahmenwerk zur Zuweisung von Aufgaben an multitaskingfähige Roboter vor, das physische Einschränkungen berücksichtigt und durch einen MAX-SAT-basierten Ansatz sowie einen effizienten Greedy-Heuristik-Algorithmus die Aufgabenallokation im Vergleich zu herkömmlichen Ein-Aufgaben-Methoden optimiert.
Die Arbeit stellt ContextMatters vor, ein Framework, das Large Language Models und klassische Planung kombiniert, um durch kontextabhängige Ziellockerung auf 3D-Scene-Graphen die Erfolgsrate von Embodied Agents in komplexen Umgebungen signifikant zu steigern.
Diese Studie stellt einen varianzgesteuerten GAN-basierten Ansatz vor, der aus kostengünstigen H&E-Färbungen hochpräzise HER2-IHC-Bilder generiert und durch die Vermeidung von Mode Collapse sowie die Verbesserung der strukturellen Vielfalt die Genauigkeit der Brustkrebsdiagnostik signifikant steigert.
Die Arbeit stellt LINO UniPS vor, ein universelles photometrisches Stereo-System, das durch Light Register Tokens und Interleaved Attention Blocks eine Entkopplung von Beleuchtung und Oberflächennormals erreicht, während eine waveletbasierte Architektur und ein spezieller Verlustbegriff feine geometrische Details bewahren, was in Kombination mit dem neuen PS-Verse-Datensatz zu neuen State-of-the-Art-Ergebnissen führt.
Diese Arbeit stellt ein neuartiges, von Vision-Language-Modellen (VLMs) geführtes kaskadiertes Framework für die Open-Vocabulary-Tarnobjektsegmentierung vor, das durch die Nutzung von VLM-Features als explizite Prompts für das Segment Anything Model (SAM) und die Einbeziehung des Segmentierungsergebnisses als weicher räumlicher Prior die Herausforderungen der visuellen Ambiguität und des Domänenunterschieds bei der Segmentierung und Klassifizierung von Tarnobjekten überwindet.
Die Studie stellt WaLi vor, ein System, das mithilfe eines komplexwertigen Conformer-Modells und einer globalen Aufmerksamkeitskomponente vertrauliche Sprache aus den oft vernachlässigten Druckdaten von HVAC-Sensoren rekonstruiert und damit eine bisher unbeachtete, erhebliche Privatsphärenbedrohung aufzeigt.
Die SUBARU-Methode ermöglicht eine signifikante Stromreduzierung bei Hörgeräten durch den gezielten Einsatz von Sub-Nyquist-Abtastung und niedriger Bitauflösung in Kombination mit einem effizienten Upsampling-Verfahren, das dennoch eine hochwertige Sprachverbesserung in Echtzeit gewährleistet.
Die Studie stellt VTOPA vor, einen visuell gestützten Algorithmus zur autonomen Positionierung von UAVs in städtischen Umgebungen, der durch die Echtzeiterkennung von Hindernissen und Nutzerstandorten die Sichtverbindung sicherstellt und so die aggregierte Durchsatzrate um bis zu 50 % steigert sowie die Latenz um 50 % senkt.
Das Paper stellt LD-RPS vor, eine datasetfreie, einheitliche Methode zur Bildwiederherstellung, die durch rekurrentes Posterior-Sampling mit einem vortrainierten latenten Diffusionsmodell und multimodalen semantischen Priors verschiedene Degradationen ohne spezifisches Training bewältigt.
Die Arbeit stellt Query-based Adaptive Aggregation (QAA) vor, eine neuartige Merkmalsaggregationsmethode, die durch lernbare Abfragen als Referenzcodebücher die Generalisierungsfähigkeit von Modellen für das universelle visuelle Ortserkennungsproblem (VPR) über mehrere Datensätze hinweg verbessert und dabei den Zustand der Technik übertrifft.
Die vorgestellte Arbeit stellt hPGA-DP vor, eine hybride Diffusionsrichtlinie, die durch die Integration von Projective Geometric Algebra in die Netzarchitektur die Trainingsineffizienz herkömmlicher robotischer Lernmethoden überwindet und so eine deutlich schnellere Konvergenz sowie verbesserte Manipulationsleistung in simulierten und realen Umgebungen erreicht.
Die Arbeit stellt MCULoRA vor, einen neuen Parameter-effizienten Ansatz für die unvollständige multimodale Emotionserkennung, der durch die Entkopplung gemeinsamer Informationen und eine dynamische Feinabstimmung der Trainingsverhältnisse die Konflikte zwischen Gradienten verschiedener Modalitätskombinationen überwindet und damit die Vorhersagegenauigkeit signifikant verbessert.
Die Arbeit stellt „Mamba Snake" vor, ein neuartiges Deep-Snake-Framework, das State-Space-Modelle nutzt, um durch die Modellierung interner topologischer Beziehungen und adaptiver Konturverfeinerung die Herausforderungen der einheitlichen medizinischen Bildsegmentierung zu meistern und dabei die Leistung gegenüber aktuellen Methoden signifikant zu steigern.