3477 Arbeiten
Die Arbeit stellt DRIFT vor, einen Dual-Representation Inter-Fusion Transformer, der durch eine parallele Architektur aus Punkt- und Säulenpfaden lokale sowie globale Kontextinformationen aus 4D-Radarpunktwolken effektiv fusioniert und damit die Leistung bei der Objekterkennung und Straßenabschätzung für automatisiertes Fahren signifikant verbessert.
Die Arbeit stellt TemporalDoRA vor, eine parametereffiziente Feinabstimmungsmethode für chirurgische Video-Frage-Antwort-Systeme, die durch die Integration von zeitlicher Aufmerksamkeit in den Low-Rank-Adaptionspfad die Robustheit gegenüber linguistischen Variationen verbessert, und führt zudem den neuen REAL-Colon-VQA-Datensatz ein.
Diese Studie führt eine empirische Untersuchung von „Interaktionsgerüchen" in der mehrstufigen Mensch-LLM-Codegenerierung durch, stellt eine erste Taxonomie vor, analysiert deren Verteilung in verschiedenen Modellen und schlägt das Multi-Agenten-Framework InCE zur effektiven Minderung dieser Qualitätsprobleme vor.
Das Paper stellt TriFusion-SR vor, ein wellenlettbasiertes, konditioniertes Diffusionsframework, das die gemeinsame Fusion und Super-Resolution von tri-modalen medizinischen Bildern ermöglicht, indem es Frequenzband-Zerlegung und adaptive räumlich-frequente Fusion nutzt, um Artefakte zu reduzieren und die Bildqualität signifikant zu verbessern.
Die Arbeit stellt ProGS vor, einen neuartigen Codec für 3D-Gaussian-Splatting, der durch eine Octree-Struktur und gegenseitige Informationsverbesserung eine progressive Kodierung ermöglicht, die im Vergleich zum Originalformat eine 45-fache Speicherreduktion bei gleichzeitiger Verbesserung der visuellen Qualität um über 10 % erzielt.
Das Paper stellt Robotic Scene Cloning (RSC) vor, eine Methode zur zero-shot Anpassung von Robotern an neue Umgebungen durch visuelle Prompt-Editierung bestehender Trajektorien, die eine zuverlässige Generalisierung ohne umfangreiche Datensammlung ermöglicht.
Das Paper stellt GSStream vor, ein neuartiges Streaming-System für volumetrische Szenen im 3D-Gaussian-Splatting-Format, das durch eine kollaborative Viewport-Vorhersage und eine auf Deep Reinforcement Learning basierende Bitratenanpassung eine effiziente Übertragung bei hoher visueller Qualität ermöglicht.
Die Arbeit stellt FrameDiT vor, ein effizientes Video-Generierungsmodell, das eine neuartige Matrix-Aufmerksamkeit auf Frame-Ebene nutzt, um den Kompromiss zwischen rechenintensiver globaler 3D-Aufmerksamkeit und lokaler Faktor-Aufmerksamkeit zu überwinden und dabei sowohl zeitliche Kohärenz als auch hohe Bildqualität zu erreichen.
Diese Arbeit stellt ein neues Maß für die lokale Stabilität von Rankings vor, das die Auswirkungen kleiner Änderungen auf die Rangfolge unter Berücksichtigung dicht besetzter Regionen analysiert, und schlägt effiziente Algorithmen zur Approximation und Detektion dieser Regionen vor, die durch theoretische Garantien und umfangreiche Experimente validiert werden.
Dieses Papier formalisiert den Begriff der idempotenten Rückwärtsschnitte, stellt einen korrekten und effizienten Algorithmus zu deren Extraktion in GSA-Form vor und demonstriert deren praktische Anwendung zur sparsamen Reduzierung des Code-Umfangs durch das Zusammenführen nicht-contiguierender Anweisungsfolgen.
Diese Arbeit stellt eine regularisierte Ensemble-Kalman-Filter-Methode vor, die sensorische Verschiebungsdaten nutzt, um im Rahmen stochastischer Phasenfeldmodelle für spröde Brüche nicht nur die Verschiebungs-, sondern auch die Phasenfeldverteilung durch Bayessche Inferenz zu aktualisieren und so Modellunsicherheiten zu reduzieren.
Die Arbeit stellt den Workload Variant Autoscaler (WVA) vor, eine auf \texttt{llmd} abgestimmte globale Steuerungsplattform, die durch die Berücksichtigung von SLOs, Hardware-Heterogenität und internem Engine-Zustand im Vergleich zum herkömmlichen Kubernetes-HPA die effektive Durchsatzleistung um 37 % steigert, die Anzahl der fehlgeschlagenen Anfragen um das Zehnfache reduziert und den Energieverbrauch senkt.
Die Studie stellt FetalAgents vor, ein neuartiges Multi-Agenten-System, das durch die dynamische Koordination spezialisierter Vision-Experten die Analyse von fetalen Ultraschallbildern und -videos sowie die automatische Generierung strukturierter klinischer Berichte verbessert und dabei sowohl die Genauigkeit als auch die Workflow-Integration übertrifft.
Dieses Paper stellt einen neuen, auf Datenfrische basierenden Scheduling-Rahmen für Multi-Rate-Aufgabenketten vor, der durch die Einführung von Just-in-Time-Versatzzeiten und einen Konsens-Versatz-Suchalgorithmus die End-to-End-Datenfrische in sicherheitskritischen Systemen gewährleistet, ohne dabei die Nachteilige Latenz des Logical-Execution-Time-Paradigmas oder die Ineffizienz von Überabtastung in Kauf zu nehmen.
Die Arbeit stellt SACA (Step-Aware Contrastive Alignment) vor, ein Framework zur Verbesserung der Vision-Language Navigation in kontinuierlichen Umgebungen, das durch schrittweise, wahrnehmungsgegründete Bewertung und dynamisches Batch-Management die Probleme von SFT-bedingten kumulativen Fehlern und RFT-bedingten spärlichen Belohnungen überwindet und damit neue State-of-the-Art-Ergebnisse erzielt.
Die Arbeit stellt ENIGMA-360 vor, ein neuartiges, in einer realen Industrieanlage aufgezeichnetes Ego-Exo-Datenset mit 360 synchronisierten Videos und detaillierten Annotationen, das als Benchmark für die Erforschung menschlichen Verhaltens und die Entwicklung robuster Sicherheitsysteme dient.
Die Arbeit stellt LAP vor, ein sprachbewusstes Planungsmodell, das die Eindeutigkeit von Textbeschreibungen nutzt, um durch die Kombination eines feinabgestimmten Vision-Language-Modells und eines Diffusionsmodells den State-of-the-Art bei der Prozedurplanung in Instruktionsvideos auf drei Benchmarks zu erreichen.
Dieser Artikel stellt einen kompakten, federbasierten, seilgesteuerten Kontinuum-Roboter vor, der von der Fortbewegung und Sensorik von Raupen inspiriert ist und durch die Integration künstlicher Borstensensoren eine effektive Erkundung und Oberflächenwahrnehmung in beengten Räumen ermöglicht.
Die Arbeit zeigt, dass die Minimierung der längsten Kante bei der simultanen geometrischen Einbettung zweier Pfade auf einem ganzzahligen Gitter NP-schwer ist, während die Minimierung des Umfangs des umschließenden Gitters für den Fall, dass ein Pfad x-monoton und der andere y-monoton ist, in Zeit gelöst werden kann.
Der Artikel argumentiert, dass kommerzielle Videospiele ein bisher unterschätztes, ökologisch valides Forschungsumfeld an der Schnittstelle von Human-Computer-Interaction und Kognitionswissenschaft darstellen, in dem kognitive Prozesse durch die inhärente Spielstruktur und einfache Beobachtungsmethoden systematisch untersucht werden können.