💻 Category

cs

2466 Arbeiten

💻 computer science

Visual Context-Aware and Spatial Receptive Field-Based algorithm for mural inpainting

Dieses Papier schlägt einen visuellen kontextbewussten und auf dem räumlichen rezeptiven Feld basierenden Algorithmus vor, der residuelle Zustandsraummodellierung, Leitvektoren und multiskalige deformierbare Aufmerksamkeit integriert, um Dunhuang-Wandmalereien effektiv zu restaurieren, indem es lokales Pixelvergessen und unzureichende räumliche Wahrnehmung adressiert und dadurch die Qualitätsmetriken der Restaurierung signifikant verbessert.

Yang Liu, Zhongmin Liu, Wenjin Hu2026-06-25
💻 computer science

A Deep Cross Neural Network Framework for Stealthy Hardware Trojan Identification in FPGA

Dieses Papier schlägt ein Deep Cross Neural Network (DCNN)-Framework vor, das eine Genauigkeit von 98,4 % bei der Erkennung von heimlichen Hardware-Trojanern in FPGA-basierten VLSI-Schaltkreisen durch die Extraktion und Korrelation struktureller und funktionaler Merkmale erreicht und somit eine zuverlässige Lösung bietet, welche die Abhängigkeit von Golden-Reference-Modellen reduziert.

Kishor Bhagat, Gayatri Phade2026-06-25
💻 computer science

The Evaluation–Action Gap in Digital Accessibility Research: A Systematic Review of Automation Bias, Sectoral Concentration, and User Exclusion

Diese systematische Übersichtsarbeit von 104 Studien zeigt auf, dass die Forschung zur digitalen Barrierefreiheit von automatisierten Werkzeugen dominiert und auf den Bildungs- sowie den Regierungssektor konzentriert ist, wodurch eine „Evaluierungs–Handlungs-Lücke“ entsteht, in der methodische Bequemlichkeit und sektorale Voreingenommenheit nutzerzentrierte Ansätze verdrängt haben und es versäumt wurde, die hartnäckigen Barrieren der Barrierefreiheit über das letzte Jahrzehnt hinweg zu beseitigen.

Ibrahim Emara2026-06-25
💻 computer science

OntoLearner: A Modular Python Library for Ontology Learning with Large Language Models

Das Papier stellt OntoLearner vor, ein modulares Open-Source-Framework, das den Ontologie-Zugriff, LLM-gesteuerte Lernpipelines und standardisiertes Benchmarking über 22 Domänen hinweg vereinheitlicht und aufzeigt, dass der primäre Engpass beim Ontologie-Lernen in einer strukturellen Diskrepanz zwischen der Wissenskodierung des Modells und der ontologischen Organisation liegt, statt in der Modellkapazität selbst.

Hamed Babaei Giglou, Jennifer D’Souza, Andrei Aioanei, Nandana Mihindukulasooriya, Sören Auer2026-06-25
💻 computer science

Curriculum-Aligned Analysis of Assessment Feedback: A Retrieval-Augmented Large Language Model Approach for Revealing Fine-Grained Student Error Patterns in Higher Education

Diese Studie schlägt einen Retrieval-Augmented Large Language Model-Ansatz vor, der unstrukturierte Bewertungsrückmeldungen mit hoher Genauigkeit in lehrplankonforme Fehlermuster transformiert und es Lehrteams ermöglicht, die Auswirkungen der Instruktion zu reflektieren und gezielte Lehrplanüberarbeitungen in der Hochschulbildung zu steuern.

Linxin Hua, Jia Xu, Lirui Guo, Nan Zheng, Qingtan Shen, Dilang Tan, Ye Lu2026-06-25
💻 computer science

Comparative Analysis of LLM-Based Conversational Agents as an Assistive Technology for Web Interaction

Diese Studie bewertet die Wirksamkeit von vier führenden, auf LLMs basierenden konversationellen Agenten als assistive Technologien für die Web-Navigation und stellt fest, dass sie zwar ein vielversprechendes Potenzial aufweisen, die Barrierefreiheit für diverse Nutzergruppen durch das Interpretieren von Seitenstrukturen und die Anleitung von Interaktionen zu verbessern, ihre Leistung jedoch zwischen den verschiedenen Tools erheblich variiert.

Giuseppe Della Penna, Marina Buzzi, Barbara Leporini2026-06-25
💻 computer science

HE-CloudML: A Privacy-Preserving Framework for Secure Machine Learning Inference over Encrypted Cloud Data Using Homomorphic Encryption

Dieses Paper stellt HE-CloudML vor, ein Framework zur Wahrung der Privatsphäre, das eine sichere und effiziente Inferenz tiefer neuronaler Netze auf verschlüsselten Cloud-Daten mittels homomorpher Verschlüsselung ermöglicht, wobei eine Genauigkeit nahe am Klartext sowie signifikante Latenzverbesserungen gegenüber bestehenden Lösungen erzielt werden, während gleichzeitig eine robuste Resistenz gegen verschiedene Privacy-Angriffe gewährleistet wird.

Abdullahi Ahmed Abdirahman, Abdirahman Osman Hashi, Ubaid Mohamed Dahir, Mohamed Abdirahman Elmi2026-06-25
💻 computer science

WSymBert: A Weighted Neuro-Symbolic Attention Model for Interpretable CVSS Prediction

Dieses Paper stellt WSymBERT vor, ein gewichtetes neuro-symbolisches Attention-Modell, das kontextuelles Sprachverständnis mit strukturiertem Expertenwissen kombiniert, um eine hochpräzise und interpretierbare automatisierte Vorhersage der CVSS v3.1 Base Metrics zu erreichen, wobei es bestehende Transformer-Baselines übertrifft und gleichzeitig enger mit dem Experten-Reasoning übereinstimmt.

Seyedeh Leili Mirtaheri, Amirhossein Majd, Reza Shahbazian, Georgios Spathoulas, Aida Akbarzadeh, Andrea Pugliese2026-06-25
💻 computer science

MAP-RAG: A Multi-View Adaptive Pattern-Aware Medical Retrieval-Augmented Generation Diagnostic Framework

MAP-RAG ist ein neuartiges Multi-View-adaptives Framework, das die klinische diagnostische Genauigkeit und Effizienz durch die Integration einer strukturierten Dekomposition elektronischer Krankenakten mit hybrider Abfrage und dynamischem Confidence-Routing verbessert und im Vergleich zu Baseline-Modellen eine überlegene Leistung über mehrere medizinische Fachabteilungen hinweg demonstriert.

Zhaolin Lu, Xulin Liu, Hongliang Bi, Feilong Tan, Caiying Zhang2026-06-25
💻 computer science

OrganSegBench: Bridging the Translational Gap for Medical Segmentation Foundation Models Through Principled Model Synergy

Um die translatorische Lücke bei medizinischen Segmentierungs-Foundation-Modellen zu schließen, die durch überoptimistische Benchmarks und den Genauigkeits-Fairness-Trade-off verursacht wird, führt diese Arbeit OrganSegBench ein, ein rigoroses mehrdimensionales Evaluierungsframework, das demonstriert, wie eine prinzipielle Modell-Synergie durch Ensemble-Strategien monolithische Modelle übertrifft, um eine sichere, gerechte und klinisch vertrauenswürdige KI zu erreichen.

Qing Li, Yizhe Zhang, Xin Guo, Haosen Zhang, Mo Yang, Mengting Sun, Longyu Sun, Haoyang Zhang, Junhong Liu, Yan Li, Yaji (…)2026-06-25