3447 Arbeiten
Dieser Artikel bietet einen systematischen Überblick darüber, wie Weakly Supervised Learning (WSL) die Abhängigkeit von aufwendigen manuellen Labels in der LiDAR-Fernerkundung überwindet, indem es ein einheitliches Framework für Dateninterpretation und Parameterinversion bereitstellt, spezifische Herausforderungen adressiert und zukünftige Synergien mit Foundation-Modellen aufzeigt.
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.
Die Autoren stellen den MVTec AD 2-Datensatz vor, der mit über 8000 hochauflösenden Bildern komplexer industrieller Inspektionszenarien und einer öffentlichen Evaluierungsplattform neue, herausfordernde Testbedingungen für die unüberwachte Anomalieerkennung schafft, um die derzeitige Sättigung der Leistungsbewertung auf bestehenden Benchmarks zu überwinden.
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.
Die Arbeit stellt die ersten logarithmischen Approximationsalgorithmen für fehlertolerante Varianten der totalen Dominanz und des partiellen positiven Einfluss-Dominanzproblems vor und erweitert dabei den allgemeinen Approximationsrahmen für nicht-submodulare Funktionen auf den Fall von Bruchwertfunktionen.
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 Studie PyPitfall analysiert quantitativ die Abhängigkeitsstrukturen von über 378.000 PyPI-Paketen und deckt auf, dass Tausende von Paketen bekannte Sicherheitslücken in ihren direkten oder transitiven Abhängigkeiten enthalten, was die Anfälligkeit der Python-Software-Lieferkette für Angriffe unterstreicht.
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.
Diese Arbeit analysiert ein gekoppeltes 3D-2D-Modell für Stokes-Strömung und poroelastische Platten, beweist die eindeutige Lösbarkeit des kontinuierlichen Problems und entwickelt eine stabile Virtual-Element-Methode mit optimaler Konvergenz, die erfolgreich zur Simulation der Immunisolierung mittels Silizium-Nanoporenmembranen eingesetzt wird.
Diese Arbeit stellt eine robuste und konforme Robotersteuerungsstrategie für präzise Batch-Montageaufgaben mit unsicheren Passungsarten und -mengen vor, die durch die Zerlegung der Aufgabe in deterministische Teilaufgaben, den Einsatz eines Kraft-Vision-Fusions-Controllers mit Multi-Task-Reinforcement-Learning (FVFC-MTRL) und die Zusammenführung der gelernten Strategien mittels Multi-Teacher-Policy-Distillation in ein einheitliches Netzwerk erreicht wird.
Diese Arbeit behauptet, das P-gegen-NP-Problem durch einen deterministischen polynomiellen Algorithmus zu lösen, der auf einem graphbasierten Rahmenwerk mit inkrementeller Pfadverifikation und lokalem Konsistenz-Trimming beruht, um NP-Probleme ohne explizite Enumeration von Zertifikaten zu entscheiden.
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.