2535 Arbeiten
Die Arbeit stellt TIDE vor, eine trainingsfreie Methode zur dynamischen Bildextrapolation für Diffusion-Transformer, die durch einen textbasierten Ankermechanismus und eine schrittweise temperaturgesteuerte Dynamik strukturelle Verzerrungen bei der Generierung höherer Auflösungen und beliebiger Seitenverhältnisse ohne zusätzliche Sampling-Kosten vermeidet.
Die Arbeit stellt bsort vor, einen theoretisch effizienten, nicht-vergleichsbasierten Sortieralgorithmus für Ganzzahlen und Gleitkommazahlen, der durch eine von Binärschnellsortieren abgeleitete Methode eine Laufzeit von und einen zusätzlichen Speicherbedarf von erreicht.
Dieser Artikel stellt einen Ein-Pass-Streaming-Algorithmus für das Problem der Auswahl von Einheitsintervallen in zufälliger Reihenfolge vor, der mit linearem Speicherplatz eine erwartete Approximationsgüte von 0,7401 erreicht und damit die zuvor bekannte Schranke von 2/3 für adversarial geordnete Streams übertrifft.
Diese Arbeit argumentiert, dass generative KI kein Allheilmittel für qualitative Forschung in der Softwaretechnik ist, sondern deren Einsatz sorgfältig an die spezifischen Daten und Forschungsstrategien angepasst werden muss, um die damit verbundenen Chancen und Risiken zu verstehen.
Das Paper stellt FAME vor, ein force-adaptives Reinforcement-Learning-Framework, das die Stabilität eines vollskaligen Humanoiden unter externen Handkräften verbessert, indem es eine stehende Policy auf einen latenten Kontext konditioniert, der Gelenkkonfigurationen und Interaktionskräfte kodiert, was zu einer signifikant höheren Erfolgsrate bei der Manipulation führt und ohne Drehmoment-Sensoren am Handgelenk funktioniert.
Diese Arbeit untersucht auf Basis zweier empirischer Studien die Chancen und Herausforderungen des Einsatzes von Virtual und Augmented Reality im öffentlichen Sprachunterricht, wobei sie trotz motivierender und kontextueller Vorteile technische Hürden sowie kognitive Überlastung identifiziert und Strategien für eine erfolgreiche Implementierung durch verbessertes Design, angepasste Infrastruktur und Lehrerausbildung empfiehlt.
Diese Studie untersucht den Einfluss unterschiedlicher Interaktivitätsgrade in mobilen AR-Anwendungen auf das Nutzererlebnis und die soziale Akzeptanz und zeigt, dass ein ausgewogener Designansatz notwendig ist, um sowohl Usability als auch soziale Barrieren im öffentlichen Raum zu berücksichtigen.
Eine Studie mit 22 Teilnehmern zeigt, dass die Häufigkeit von betrügerischem Verhalten während Tests in virtueller Realität und auf einem Laptop identisch ist.
Die Arbeit stellt SVG-EAR vor, eine parametrenfreie Methode zur linearen Kompensation in Diffusion Transformern für die Videogenerierung, die durch semantische Clustering-basierte Approximation und ein fehlerbewusstes Routing-Verfahren die Effizienz signifikant steigert, ohne dabei die Generierungsqualität zu beeinträchtigen.
Die Arbeit stellt SurgCalib vor, ein markerloses Framework zur Hand-Augen-Kalibrierung des da Vinci-Operationsroboters, das mittels Gaußschem Splatting und einer zweiphasigen Optimierung unter RCM-Bedingungen präzise Kalibrierungsergebnisse ohne zusätzliche fiduzielle Marker erzielt.
Diese Arbeit verwandelt die Inspire RH56DFX-Hand durch Hardware-Kalibrierung, einen MuJoCo-Sim2Real-Modellansatz und einen hybriden Kraft-Geschwindigkeits-Regler in ein zuverlässiges Forschungsinstrument, das die Erfolgsrate bei Greif- und Einsetzaufgaben im Vergleich zu bestehenden Baselines signifikant steigert.
Die Arbeit stellt SkipGS vor, eine effiziente Trainingsmethode für 3D-Gaussian-Splatting, die durch einen adaptiven Mechanismus zum selektiven Überspringen von Rückwärtsdurchläufen in der Nachverdichtungsphase die Trainingszeit um 23,1 % reduziert, ohne die Rekonstruktionsqualität zu beeinträchtigen.
Diese Arbeit stellt ein multimodales Framework vor, das Diffusionsmodelle mit ControlNet nutzt, um Kopiererkennungsmuster durch die Kombination von Originalvorlage, gedrucktem Muster und Drucker-Signatur zu authentifizieren und dabei hochauflösende Fälschungen zuverlässiger als herkömmliche Methoden zu erkennen.
Die Studie zeigt, dass KI-Agenten zwar funktionsfähige und wartbare Microservices mit guter API-Konformität generieren können, jedoch aufgrund inkonsistenter Korrektheit und des nach wie vor erforderlichen menschlichen Eingriffs eine vollständig autonome Erstellung noch nicht erreicht ist.
Die Studie zeigt, dass bei älteren Erwachsenen die wahrgenommene Vertrauenswürdigkeit und Empathie von KI-Stimmassistenten mit hoher Freundlichkeit steigt, diese Vorteile jedoch in Notfallsituationen zugunsten von Klarheit zurücktreten und dass sowohl der Kontext als auch die Persönlichkeit des Nutzers maßgeblich die Akzeptanz von KI-Erklärungen beeinflussen.
Das Paper stellt Lockbox vor, eine Zero-Trust-Architektur, die durch explizite Vertrauensprüfung, starke Isolation und policy-gesteuerte Durchsetzung die sichere Verarbeitung sensibler Cloud-Workloads unter strengen Sicherheitsanforderungen ermöglicht.
Der Artikel stellt ImpedanceDiffusion vor, ein hierarchisches Framework für die Schwarmnavigation von UAVs in überfüllten Innenräumen, das auf diffusionsbasierten globalen Pfadplanern, reaktiver APF-Verfolgung und semantisch angepasster Impedanzregelung basiert, um in Sim-to-Real-Experimenten eine hohe Erfolgsrate und kollisionsfreie Manövrierfähigkeit zu erreichen.
Dieser Artikel beleuchtet aus neuseeländischer Perspektive die Hindernisse für die Teilnahme an Software-Engineering-Konferenzen und schlägt Strategien wie hybride Formate und Governance-Reformen vor, um eine gerechtere globale Beteiligung zu fördern.
Diese Arbeit demonstriert erstmals die direkte Programmierung von FP64-Tensor-Cores auf NVIDIA-GPUs zur Beschleunigung hochauflösender Finite-Elemente-Simulationen in der MFEM-Bibliothek, wodurch auf Exascale-Systemen bis zu eine Verdopplung der Leistung und signifikante Energieeffizienzgewinne erzielt werden.
Diese Arbeit stellt einen hybriden Analyse-Rahmen vor, der konkolische Ausführung, LLM-gesteuerte Pfadpriorisierung und Deep Learning kombiniert, um Zero-Day-Malware, die von KI generiert wurde, mit mathematisch bewiesenen Garantien und überlegener Genauigkeit zu erkennen.