3464 Arbeiten
Die Arbeit stellt YOLO-NAS-Bench vor, das erste Surrogat-Benchmark für YOLO-Architektursuche, das durch einen selbstentwickelnden Mechanismus einen hochpräzisen Vorhersage-Modell schafft, um kostspielige Trainingsprozesse zu umgehen und überlegene Detektor-Architekturen zu entdecken.
Die Arbeit stellt RiO-DETR vor, den ersten Echtzeit-Transformer für die Detektion orientierter Objekte, der durch innovative Ansätze wie content-gesteuerte Winkelabschätzung, entkoppelte periodische Verfeinerung und dichte O2O-Überwachung die Herausforderungen der Winkelperiodizität und des erweiterten Suchraums überwindet, um einen neuen Kompromiss zwischen Geschwindigkeit und Genauigkeit zu erreichen.
Dieses Papier stellt ein umfassendes Rahmenwerk vor, das die Komplexitätsdichotomien für alle ungelösten Zählprobleme von Booleschen Tensor-Netzwerken durch die Klassifizierung der zugrunde liegenden endlichen Gruppen von binären Funktionen in neun Fälle vereint und dabei spezifische Fälle wie zyklische Gruppen löst oder Fortschritte erzielt.
Die Arbeit stellt CIGPose vor, ein Framework, das mittels kausaler Intervention und Graph-Neural-Networks störende visuelle Kontexteinflüsse eliminiert, um robuste und anatomisch plausible Ganzkörper-Pose-Schätzungen zu erreichen und dabei neue State-of-the-Art-Ergebnisse auf dem COCO-WholeBody-Datensatz zu erzielen.
Die Arbeit stellt MetaDAT vor, ein Verfahren zur Vorhersage von Trajektorien, das durch Meta-Learning während des Trainings und einen datenadaptiven Mechanismus zur Anpassung von Lernraten und Aktualisierungsfrequenzen während des Testens eine robuste Generalisierung unter Verteilungsverschiebungen ermöglicht.
Diese Arbeit zeigt auf, dass binäre Sicherheitslücken in WebAssembly-Modulen herkömmliche Web-Sicherheitsmechanismen untergraben und zu Angriffen wie SQL-Injection führen können, und bietet darauf aufbauend defensive Strategien zur Risikominderung.
Dieser Artikel stellt einen Funktor vor, der einem algebraischen Modell interagierender Komponenten eine Dynamik verleiht und dabei das künstliche Leben-Modell AlChemy von Fontana und Buss verallgemeinert, um die Verbindung zwischen algebraischen und dynamischen Aspekten mittels Kategorientheorie zu formalisieren.
Das Paper stellt GIIM vor, einen neuartigen graphbasierten Ansatz für die computergestützte medizinische Diagnose, der durch die gleichzeitige Modellierung von Abhängigkeiten innerhalb und zwischen verschiedenen Bildansichten sowie durch die robuste Handhabung unvollständiger Daten die Diagnosegenauigkeit und -zuverlässigkeit im Vergleich zu bestehenden Methoden signifikant verbessert.
Die Arbeit stellt ShapeMark vor, eine robuste und diversitätserhaltende Wasserzeichenmethode für Diffusionsmodelle, die durch die Kodierung von Wasserzeichenbits in strukturierte Rauschmuster anstelle einzelner Werte sowie durch eine spezielle Randomisierung die Nachteile bestehender Ansätze überwindet und gleichzeitig hohe Stabilität gegenüber Verlusten sowie eine hohe Bildqualität gewährleistet.
Diese Arbeit stellt einen vorkonditionierten SE(3)-Stein-Variational-Gradienten-Descent-Ansatz vor, der die Ergodizitätsoptimierung für die robotische Abdeckung komplexer 3D-Oberflächen verbessert, indem sie SE(3)-Geometrie erhält und konvexe Optimierungsprobleme überwindet.
Das Papier stellt SEA-Nav vor, einen Reinforcement-Learning-Rahmen für vierbeinige Roboter, der durch differentiable Barrieren-Funktionen, adaptive Replay-Mechanismen und kinematische Constraints eine sichere und agile Navigation in dicht bepackten Umgebungen mit nur wenigen Minuten Trainingszeit in der realen Welt ermöglicht.
Das Papier stellt TopoOR vor, ein neuartiges Paradigma, das chirurgische Umgebungen durch eine höherordentliche topologische Repräsentation modelliert, um komplexe multimodale Beziehungen und geometrische Strukturen besser zu erhalten als bestehende Szenengraphen und so die Genauigkeit bei sicherheitskritischen Aufgaben wie der Sterilitätsverletzungserkennung und der Robotikphasenvorhersage zu verbessern.
Dieser Erfahrungsbericht beschreibt die systematische Integration von Anforderungen an die Requirements-Engineering-Lehrinhalte in dynamische Software-Engineering-Lehrpläne für Berufstätige und leitet dabei grundlegende Prinzipien sowie einen Ansatz zur curricularen Abbildung ab.
Die Studie stellt das Patrologia Graeca Corpus vor, eine groß angelegte, offene Ressource mit OCR- und linguistischen Annotationen für die verbleibenden und nicht digitalisierten Bände der Patrologia Graeca, die durch eine spezialisierte Pipeline mit einem außergewöhnlich niedrigen Fehlerwert von 1,05 % für polytonisches Griechisch erschlossen wurde.
Die Arbeit stellt OmniEarth vor, ein umfassendes Benchmark mit 9.275 Bildern und 44.210 Anweisungen, das zur systematischen Evaluierung von Vision-Language-Modellen in geospatialen Aufgaben unter realistischen Erdbeobachtungsszenarien dient und dabei deutliche Leistungslücken bestehender Modelle aufzeigt.
Die Arbeit stellt MORE-R1 vor, ein neues Modell, das Large Vision-Language Models durch einen zweistufigen Trainingsprozess mit überwachtem Feinabstimmen und verstärkendem Lernen für eine schrittweise, transparente und skalierbare multimodale Extraktion von Objekt-Entitäts-Beziehungen optimiert.
Das Paper stellt PruneSID vor, einen trainingsfreien Ansatz zur effizienten Kompression von Vision-Token in Vision-Language-Modellen, der durch eine synergistische Kombination aus semantischer Clustering und intra-gruppalem Non-Maximum-Suppression sowie einer dynamischen Kompressionsrate einen neuen State-of-the-Art bei gleichzeitiger drastischer Beschleunigung und minimalem Genauigkeitsverlust erreicht.
Die Arbeit stellt StyleVLA vor, ein physikinformiertes Vision-Language-Action-Modell auf Basis von Qwen3-VL-4B, das durch einen hybriden Verlust und einen umfangreichen Datensatz mit 1,2k Szenarien diverse, physikalisch plausible Fahrmanöver in verschiedenen Fahrstilen generiert und dabei proprietäre Modelle wie Gemini-3-Pro deutlich übertrifft.
Die vorgestellte Arbeit stellt einen neuartigen, komponentenbewussten Zwei-Stufen-Rahmen zur Umwandlung von Skizzen in fotorealistische Bilder vor, der durch die Kombination eines selbstaufmerksamkeitsbasierten Autoencoders, einer koordinatenbewahrenden Gated-Fusion und einer räumlich adaptiven Verfeinerung die Bildqualität und semantische Genauigkeit gegenüber bestehenden GAN- und Diffusionsmodellen signifikant verbessert.
Die vorgestellte Arbeit stellt „Diagonal Distillation" vor, eine effiziente Methode zur Echtzeit-Streaming-Videogenerierung, die durch eine asymmetrische Schrittstrategie und die explizite Berücksichtigung temporaler Abhängigkeiten die Latenz drastisch reduziert und gleichzeitig die Bewegungskohärenz sowie die Fehlerakkumulation in langen Sequenzen verbessert.