3462 Arbeiten
Diese Arbeit stellt einen Regelungsrahmen für automatisierte Fahrzeuge vor, der durch gezielte Erzeugung hoher Schlupfwerte während leerer Fahrten eine sichere und präzise Schätzung des maximalen Reifen-Fahrbahn-Reibungskoeffizienten ermöglicht.
Diese Arbeit stellt ein neuartiges, risikobegrenztes Bewegungsplanungsframework vor, das einen tiefen stochastischen Koopman-Operator mit einer hierarchischen Verifikationsmethode auf Basis von Sum-of-Squares-Programmierung kombiniert, um Manipulatoren in unsicheren und nicht-konvexen Umgebungen provierbar sichere und effiziente Trajektorien zu generieren.
Das Paper stellt OmniEdit vor, ein trainingsfreies Framework für Lippen-Synchronisation und Audio-Visuelle Bearbeitung, das durch die Ersetzung der Bearbeitungssequenz in FlowEdit und die Eliminierung stochastischer Elemente eine effiziente und stabile Generierung ermöglicht.
Der vorgestellte Ansatz adressiert die Herausforderung der physikalisch plausiblen Videogenerierung, indem er physikalische Phänomene durch eine Kombination aus physikgetriebener Ereignisketten-Logik und transitionsbewusstem cross-modalem Prompting in eine Folge kausal verknüpfter, dynamisch evolvierender Ereignisse zerlegt, um so die Kontinuität und physikalische Konsistenz generierter Videos zu gewährleisten.
Diese Studie untersucht die Fähigkeit moderner Large Language Models, aus natürlichen Sprachanforderungen automatisch UML-Klassendiagramme zu generieren, und validiert deren Qualität durch ein umfassendes Dual-Validierungsframework, das LLM-basierte Bewertungen mit menschlicher Expertise kombiniert.
Das Papier stellt MedKCO vor, eine Methode zur medizinischen Vision-Language-Pretraining, die durch ein zweistufiges Curriculum-Learning und einen selbstgesteuerten asymmetrischen kontrastiven Verlust die kognitive Orchestrierung von Wissen optimiert, um suboptimale Merkmalsdarstellungen zu vermeiden und die Leistung bei downstream-Aufgaben signifikant zu steigern.
Dieses Paper stellt einen trainingsfreien Rahmen zur Bewegungszerlegung vor, der komplexe Bewegungen in statische, starre und nicht-starre Kategorien aufteilt und durch eine sequenzielle Planung vor der Generierung sowie modale Entkopplung eine präzise, zusammengesetzte Videogenerierung mit verschiedenen Erscheinungsformen und Bewegungen ermöglicht.
Das Paper stellt PRLF vor, ein Framework für die multimodale Sentiment-Analyse, das durch einen adaptiven Zuverlässigkeitsschätzer und eine progressive Interaktion robust mit unvollständigen Modalitäten umgeht und dabei die Repräsentationen intakter Modalitäten schützt.
Die Arbeit stellt Nezha vor, ein verteiltes Key-Value-Speichersystem, das durch eine innovative Trennung von Schlüsseln und Werten sowie eine optimierte Raft-Integration die durch überlappende Persistenzvorgänge verursachten I/O-Overheads reduziert und dabei die Durchsatzleistung für Schreib-, Lese- und Scan-Operationen signifikant steigert, ohne die Sicherheitsgarantien von Raft zu beeinträchtigen.
Diese Studie zeigt durch eine systematische Prüfung der Google-Rückwärtssuche, dass algorithmisches Gatekeeping die Bekämpfung visueller Falschinformationen erschwert, indem es entlarvende Inhalte oft unter irrelevanten Ergebnissen und wiederholten Falschmeldungen versteckt und dabei ein zeitliches Qualitätsgefälle aufweist.
Die Arbeit stellt AgenticCyOps vor, ein Sicherheitsframework für die Integration multi-agentischer KI-Systeme in Unternehmen, das durch die Identifizierung von Werkzeug-Orchestrierung und Speicher-Management als primäre Angriffsflächen sowie die Einführung von fünf defensiven Prinzipien und einer mehrschichtigen Verteidigungsarchitektur die Angriffsfläche im Vergleich zu herkömmlichen Systemen um mindestens 72 % reduziert.
Diese Studie stellt einen vollautomatischen, auf Transformer-Architekturen basierenden Ansatz zur Segmentierung von HR-pQCT-Bildern vor, der durch die radiomische Analyse von Weichgewebestrukturen eine präzisere Osteoporose-Diagnose ermöglicht als herkömmliche Knochen-basierte Methoden.
Die Arbeit stellt EQ-VMamba vor, die erste rotationsequivariante Mamba-Architektur für visuelle Aufgaben, die durch einen speziell entwickelten Cross-Scan-Mechanismus und theoretisch fundierte Äquivarianz nicht nur eine höhere Robustheit gegenüber Bildrotationen bietet, sondern auch bei überlegener oder vergleichbarer Leistung den Parameterbedarf um etwa 50 % reduziert.
Die vorgestellte Arbeit schlägt vor, Agentic AI als intelligente Steuerungs-Schicht für 6G-Netzwerke einzusetzen, um durch spezialisierte Agenten und geschlossene Regelkreise das Zusammenspiel von Lernen und Netzwerkmanagement beim Federated Learning zu optimieren und so hohe Leistung trotz strenger Latenz- und Bandbreitenanforderungen zu gewährleisten.
Die Arbeit stellt einen polynomiellen Approximationsschema (PTAS) für das gewichtete triangle-freie 2-Matching-Problem vor, das auf einem einfachen lokalen Suchalgorithmus und einer nicht-trivialen Analyse basiert und damit die bisherige 2/3-Approximation verbessert.
Diese Arbeit stellt eine rechnerisch effiziente Kontrollarchitektur für Roboter mit sechs oder mehr Beinen vor, die durch segmentbasierte Zustandsmaschinen und eine Kopplung zwischen den Segmenten sowohl den festen Bodenkontakt auf unebenem Gelände als auch eine fiktive Fortbewegung bei Kontaktverlust ermöglicht und so eine Brücke zwischen Event-Kaskaden- und CPG-Steuerungen schlägt.
Die Arbeit stellt VNOIP vor, eine neuartige Methode auf Basis variationaler neuronaler gewöhnlicher Differentialgleichungen mit bidirektionalen Sprung-ODEs und Aufmerksamkeitsmechanismen, die durch die explizite Modellierung kontinuierlicher Zeitdynamiken und von Trendmustern die Vorhersage der Popularität von Informationen in sozialen Netzwerken verbessert.
Das Paper stellt RTFDNet vor, einen dreizweigigen Encoder-Decoder, der durch synergistische Merkmalsfusion und entkoppelnde Regularisierung eine robuste RGB-T-Semantiksegmentierung ermöglicht, die auch bei teilweise fehlenden Sensorsignalen stabil bleibt und effiziente Einzelmodus-Inferenz erlaubt.
Die Arbeit stellt SPAN-Nav vor, ein end-to-end Fundamentmodell, das durch eine neuartige kompakte räumliche Repräsentation und ein CoT-ähnliches Mechanismus robustes räumliches Bewusstsein für die vielseitige vision-sprachbasierte Navigation in komplexen Umgebungen ermöglicht und dabei auf einem massiven Datensatz trainiert wurde, um in verschiedenen Szenarien state-of-the-art Ergebnisse zu erzielen.
Diese Arbeit stellt einen neuen -differenziell privaten Algorithmus vor, der durch innovative Kandidatengenerierung und Suchraum-Bereinigung die bisherige quadratische Komplexität bei der frequenten Teilstring-Mining eliminiert und dabei nahezu optimale Fehlergarantien bei deutlich reduzierter Speicher- und Zeitkomplexität erreicht.