3520 Arbeiten
Das Paper stellt ViLAM vor, eine Methode, die durch Wissensdistillation von großen Vision-Sprach-Modellen in räumliche Aufmerksamkeitskarten soziale Navigationsfähigkeiten in Roboter integriert und damit die Erfolgswahrscheinlichkeit bei der sozialen Roboternavigation im Vergleich zu bestehenden Methoden um 14,2 % bis 50 % steigert.
Die Arbeit stellt Snapmoji vor, ein System zur sofortigen Generierung animierbarer 3D-Avatare aus Selfies, das durch eine neuartige Gaußsche Domänenanpassung und einen Dual-Stylisierungsprozess die Identität des Nutzers bewahrt und eine effiziente mobile Darstellung ermöglicht.
Das Paper stellt iProg vor, ein Werkzeug für interaktives strukturiertes induktives Programmieren, das durch eine zweistufige Kollaboration zwischen Mensch und KI (Zerlegung in Datenflussdiagramme und Codegenerierung) unter Nutzung eines Intelligibilitätsprotokolls wissenschaftliche Datenanalysesysteme schneller, qualitativ hochwertiger und zuverlässiger entwickelt als herkömmliche Low-Code- oder No-Code-Ansätze.
Die Arbeit stellt SceneEval vor, ein Evaluierungsframework mit einem neuen Benchmark und feinkörnigen Metriken, das die semantische Kohärenz und Plausibilität textbasiert generierter 3D-Innenszenen umfassend bewertet und dabei sowohl explizite Benutzeranforderungen als auch implizite Erwartungen wie Stabilität und Navigierbarkeit berücksichtigt.
Die Autoren schlagen eine Methode vor, die durch das Hinzufügen von Störungen zu alten Feature-Prototypen die strengen Alignierungsbeschränkungen beim Backward-Compatible Learning lockert, um so die Diskriminierungsfähigkeit neuer Retrieval-Modelle zu erhalten, ohne auf zeitaufwändige Backfilling-Prozesse zurückgreifen zu müssen.
Diese Arbeit stellt eine Zero-Trust-Relay-Architektur für QKD-Netzwerke vor, die durch den Einsatz von Fully Homomorphic Encryption (FHE) die Notwendigkeit vertrauenswürdiger Relaisknoten eliminiert, indem sie die Umverschlüsselung von Schlüsseln ohne Freilegung von Klartextdaten ermöglicht und somit die Sicherheit und Skalierbarkeit bestehender Infrastrukturen gemäß ETSI-Standards erheblich verbessert.
Diese Arbeit stellt eine Methode zur robusten Rekonstruktion von zwei Händen aus monokularen Bildern vor, die heterogene 2D-Strukturpriors aus Vision-Modellen mit einem kollisionsfreien Diffusionsmodell kombiniert, um Interaktionsfehler und Handdurchdringungen auch bei starken Verdeckungen zu vermeiden.
Das Forschungsprojekt MediTools nutzt Large Language Models, um die medizinische Ausbildung durch interaktive Tools wie dermatologische Fall-Simulationen, KI-gestützte Literaturrecherche und Nachrichten-Zusammenfassungen zu revolutionieren und klinische Fähigkeiten zu verbessern.
Dieser Artikel stellt eine Taxonomie für Push- und Pull-Kommunikation in 6G-Systemen vor, entwickelt zielgerichtete MAC-Protokoll-Richtlinien und skizziert einen Rahmen für deren koexistierende Integration in O-RAN-Architekturen.
Die Autoren stellen ein neuartiges, auf Punktwolken basierendes Instanzvollendungsmodell vor, das durch die Integration von Szenenbeschränkungen über einen Cross-Attention-Mechanismus und die Einführung des neuen Datensatzes ScanWCF Objekte in komplexen Szenen präziser und plausibler vervollständigt als bisherige Methoden.
Die vorgestellte Arbeit stellt LEL vor, ein Ensemble-Lernframework, das durch Lipschitz-Stetigkeitsbeschränkungen in Transformer-Architekturen die Stabilität, Genauigkeit und Robustheit der EEG-basierten Emotionserkennung innerhalb einzelner Probanden signifikant verbessert.
Der Artikel stellt GeoNav vor, einen multimodalen Agenten, der durch die Kombination von globalen kognitiven Karten und lokalen Szenengraphen sowie einem räumlichen Chain-of-Thought-Mechanismus MLLMs befähigt, die Erfolgsrate bei der sprachgesteuerten UAV-Navigation in komplexen städtischen Umgebungen signifikant zu steigern.
Die Arbeit stellt einen auf die Aufgabe ausgerichteten semantischen Kompressionsrahmen vor, der mittels eines orthogonally eingeschränkten variationalen Informationsflaschenhals-Encoders (O-VIB) redundante Merkmale eliminiert, um mobile Plattformen bei der präzisen visuellen Lokalisierung in GPS-limitierten städtischen Umgebungen unter strengen Bandbreitenbeschränkungen zu unterstützen.
Die Studie vergleicht Bayesian Optimization, exhaustive Search, genetische Algorithmen und stochastischen Gradientenabstieg zur Optimierung der Roboterbasisposition und zeigt, dass alle Methoden die Zykluszeit reduzieren, wobei stochastischer Gradientenabstieg die höchste Erfolgsrate und genetische Algorithmen die niedrigsten Endkosten erzielen.
Die Arbeit stellt SFIBA vor, einen räumlich basierten, unsichtbaren Backdoor-Angriff, der durch die Kombination von Frequenzbereichs-Methoden und morphologischen Einschränkungen eine spezifische und schwer erkennbare Mehrziel-Manipulation von Deep-Learning-Modellen ermöglicht.
Diese Arbeit stellt einen holistischen Optimierungsansatz vor, der die Zusammensetzung, Basisposition und Trajektorie modularer Roboter gemeinsam optimiert, um die Zykluszeit industrieller Aufgaben signifikant zu verkürzen und die Lösbarkeit sowie praktische Einsetzbarkeit im Vergleich zu isolierten Methoden erheblich zu steigern.
Diese Studie stellt einen koordinierten Routing-Ansatz vor, der mithilfe von Echtzeitdaten und Simulationen in SUMO nachweist, wie der dynamische Umleitung von vernetzten und automatisierten Fahrzeugen (CAVs) in Mischverkehrsphasen die Pünktlichkeit von Bussen in eigenen Fahrspuren verbessert und gleichzeitig die Reiseeffizienz der CAVs steigert.
Eine randomisierte Studie mit über 90 Anfängern zeigt, dass ein KI-gestütztes Training, das Simulationen mit strukturiertem Feedback kombiniert, im Vergleich zu reiner Übung die klientenzentrierten Mikrokompetenzen und die Empathie von angehenden Beratern signifikant verbessert.
Die Studie stellt DeepSparse, das erste Foundation-Modell für die Rekonstruktion von Sparse-View-CBCT-Bildern, vor, das durch die innovative DiCE-Netzwerkarchitektur und das HyViP-Vorabtrainingsframework eine überlegene Bildqualität bei reduzierter Strahlenbelastung und verbesserter Generalisierbarkeit im Vergleich zu bestehenden Methoden erreicht.
Die Arbeit stellt HEXGEN-FLOW vor, ein Framework, das durch einen hierarchischen Scheduler und eine adaptive Prioritätswarteschlange die Latenz verringert und den Durchsatz für agentic Text-to-SQL-Anfragen auf heterogenen GPU-Clustern signifikant verbessert.