3469 Arbeiten
Der Artikel stellt ReTac-ACT vor, einen visuo-taktilen Imitationslern-Ansatz, der durch bidirektionale Kreuzaufmerksamkeit, eine propriozeptionsgesteuerte Gating-Mechanik und ein taktiler Rekonstruktionsziel die Präzisionsmontage in stark verdeckten Bereichen mit einer 90-prozentigen Erfolgsrate bei der NIST-M1-Benchmark deutlich verbessert.
Das Paper stellt GeoAlignCLIP vor, ein Framework, das durch Multi-Granularitäts-Konsistenzlernen und den neu erstellten RSFG-100k-Datensatz die feinkörnige Bild-Sprach-Ausrichtung in der Fernerkundung verbessert und damit bestehende Methoden in verschiedenen Aufgaben übertrifft.
Diese Studie analysiert die Leistung einer virtualisierten XRootD-Frontend-Architektur am T2_BR_SPRACE unter Hochlastbedingungen und dokumentiert, dass das System mit heterogenen VMs und modernen TCP-Optimierungen aggregierte Durchsätze von bis zu 51,3 Gb/s sowie Spitzenwerte von 41,5 Gb/s zu Fermilab erreicht.
Diese Arbeit stellt das Panorama-Sprachmodell (PLM) und den zugehörigen Datensatz PanoVQA vor, die durch eine integrierte 360°-Verarbeitung und einen neuen Sparse-Attention-Mechanismus ein ganzheitliches Verständnis von Adversen Omni-Szenen ermöglichen, das über die bloße Kombination einzelner Nahaufnahmen hinausgeht.
Die Arbeit stellt BinaryAttention vor, eine Methode zur 1-Bit-Quantisierung von QK-Attention in Vision- und Diffusion-Transformern, die durch binäre Operationen und einen lernbaren Bias eine über 2-fache Beschleunigung gegenüber FlashAttention2 bei gleichzeitiger Beibehaltung oder sogar Steigerung der Genauigkeit ermöglicht.
Diese Arbeit stellt einen propriozeptiven Rahmen für quadrupede Roboter vor, der durch die Kombination einer 2,5-D-Terrain-Schätzung mit sicherheitskritischen Kontrollbarrierefunktionen eine robuste und sichere Fortbewegung in unebenem Gelände ohne externe Sensoren ermöglicht.
Diese Studie modelliert die Abwehr von Advanced Persistent Threats (APTs) als spieltheoretische Interaktion zwischen einem Angreifer, der auf einem MDP-basierten Angriffsgraphen agiert, und einem Verteidiger, der unter drei unterschiedlichen Informationsregimen optimale Strategien zur Platzierung von Intrusion-Detection-Sensoren entwickelt, um den Zugriff auf kritische Assets zu minimieren.
Dieser Artikel stellt einen zweistufigen Ansatz zur Abdeckung nicht-konvexer Umgebungen mit mehreren Hindernissen vor, der auf einem generalisierten Voronoi-Graphen basiert, um durch Lastausgleich und kollaborative Steuerung eine effiziente Roboterverteilung und -steuerung zu gewährleisten.
Diese Arbeit stellt eine Methode zur symbolischen Entdeckung stochastischer Differentialgleichungen mittels genetischer Programmierung vor, die durch die gemeinsame Optimierung von Drift- und Diffusionsfunktionen eine interpretierbare Modellierung und Generierung von Rauschkomponenten in dynamischen Systemen ermöglicht.
Dieser Artikel stellt ein praxisbasiertes Lehrkonzept vor, das agile Methoden und KI-Engineering integriert, um Studierende durch interdisziplinäre Teamprojekte mit KI-Tools auf die moderne Softwareentwicklung vorzubereiten und dabei sowohl technische Kompetenzen als auch kritische Reflexion zu fördern.
Die Arbeit stellt Nemo vor, einen Cache für winzige Objekte auf logisch strukturierten Flash-Geräten, der durch eine erhöhte Hash-Kollisionswahrscheinlichkeit, einen Bloom-Filter-basierten Index und ein hybrides Hotness-Tracking gleichzeitig eine geringe Schreibverstärkung, hohe Speichereffizienz und eine niedrige Fehlerrate erreicht.
Das Paper stellt ParTY vor, ein neuartiges Framework, das durch eine part-geführte Netzarchitektur, eine part-bewusste Textverankerung und eine adaptive Fusion von Ganzkörper- und Teilbewegungen kohärente und ausdrucksstarke Text-zu-Bewegungs-Synthesen ermöglicht, die spezifische Körperteile präzise abbilden.
Die Studie zeigt, dass eine durch DINO-Aufmerksamkeitskarten inspirierte, sakkadenbasierte Bildklassifizierung, die sich auf relevante Bildregionen konzentriert, die Leistung herkömmlicher Modelle erhält oder sogar übertreffen und so einen vielversprechenden Ansatz für effiziente, biologisch inspirierte visuelle Verarbeitung bietet.
Die Arbeit stellt einen Zero-Shot-Ansatz für die 3D-MRI-Super-Resolution vor, der physikbasierte 3D-Gaussian-Repräsentationen und eine volumenbasierte Rendering-Strategie nutzt, um eine effiziente und datenunabhängige Bildrekonstruktion mit hoher Qualität zu ermöglichen.
Die Arbeit stellt QDR vor, ein Framework für die quantisierte Bildwiederherstellung am Edge, das durch decoderfreie Destillation, selbstgestützte FP32-Destillation und eine lernbare Gewichtung der Verluste die Effizienz und Genauigkeit von Int8-Modellen signifikant verbessert.
Die Arbeit stellt OTPL-VIO vor, ein robustes stereo-visuell-inertiales Odometrie-System, das durch lernfreie Linien-Deskriptoren und eine auf optimaler Transporttheorie basierende Zuordnung sowie eine adaptive Unsicherheitsgewichtung die Genauigkeit und Stabilität in texturarmen und beleuchtungswechselnden Umgebungen verbessert.
Diese Arbeit untersucht den Proportionalitätsgrad von Partizipativen Budgetierungsverfahren, insbesondere der Methode des gleichen Anteils (MES) und Phragmén's sequentieller Regel, und zeigt durch theoretische Grenzen sowie experimentelle Evaluation auf realen Datensätzen, dass beide Regeln trotz unterschiedlicher axiomatischer Eigenschaften quantitativ denselben Proportionalitätsgrad aufweisen.
Die Arbeit stellt DiffWind vor, ein physik-informiertes, differentielles Framework, das mithilfe von 3D-Gaussian-Splatting, dem Material Point Method und der Lattice-Boltzmann-Methode windgetriebene Objektdynamiken aus Videos rekonstruiert und realistische Simulationen sowie Wind-Retargeting ermöglicht.
Die Arbeit stellt VarSplat vor, ein unsicherheitsbewusstes 3D-Gaussian-Splatting-SLAM-System, das durch das explizite Lernen von Varianz pro Splat und die Ableitung differenzierbarer Unsicherheitskarten eine robustere Pose-Schätzung und Kartierung in Szenen mit geringer Textur, transparenten Oberflächen oder komplexen Reflexionen ermöglicht.
Die Arbeit stellt FootMR vor, eine Methode zur Verfeinerung der Fußbewegung in markerloser monokularer 3D-Motion-Capture, die durch das Heben von 2D-Schlüsselpunkten unter Nutzung großer Motion-Capture-Datensätze und die Einführung des MOOF-Datensatzes die Genauigkeit der Fußarticulation signifikant verbessert.