💻 Category

cs

1017 Arbeiten

💻 computer science

Brain–Behavior Alignment and Cross-Modal Contrastive Learning for Multimodal Autism Spectrum Disorder Detection

Dieses Papier schlägt das Brain–Behavior Alignment Network mit Cross-Modal Contrastive Learning Transformer (BBAN-CMCLT) vor, ein neuartiges multimodales Deep-Learning-Modell, das fMRT-, Gesichts-, Eye-Tracking- und klinische Daten integriert, um durch die effektive Abstimmung von Gehirn- und Verhaltensmustern eine Spitzengenauigkeit (98,97 %) bei der Erkennung der Autismus-Spektrum-Störung zu erreichen.

Deema Mohammed AlSekait, Mohammed Zakariah2026-06-30
💻 computer science

CPBS: A Collaborative Proxy Blind Signature Scheme with Threshold Authorization for Privacy-Preserving Medical IoT

Das Papier schlägt CPBS vor, ein kollaboratives Proxy-Blind-Signature-Schema, das einen (t,n)-Schwellenwertmechanismus nutzt, um Vertrauen auf dezentrale Peer-Knoten zu verteilen, um eine sichere, datenschutzwahrende und prüfbare Datenerfassung in ressourcenbeschränkten Medical-IoT-Netzwerken zu ermöglichen, wobei der Rechen- und Kommunikationsaufwand im Vergleich zu bestehenden zentralisierten Lösungen signifikant reduziert wird.

Jinnan Li, Qing Ye, Yi Yang, Qian Zhou, Zhimin Yuan, Shiwei Huo2026-06-30
💻 computer science

CASPA: Content-Aware Global Aggregation and Spatial prior Channel Attention for Thangka Image Super-Resolution

Dieses Paper schlägt CASPA vor, ein neuartiges Super-Resolution-Netzwerk, das Content-Aware Global Aggregation- und Spatial Prior Channel Attention-Module kombiniert, um die Einschränkungen bestehender Vision Transformer zu überwinden und dadurch eine hochgetreue Rekonstruktion von Thangka-Bildern mit verbesserter Erfassung langfristiger semantischer Zusammenhänge und der Bewahrung feiner geometrischer Details zu erreichen.

Mengyuan Zhang, Nianyi Wang, Yutong Wang, Yakun Xin, Chenyi Xia, Yanwen Gao2026-06-30
💻 computer science

Difficulty-Aware Sample Allocation for Adaptive Data Augmentation in Semantic Segmentation

Dieses Paper stellt Difficulty-Aware Sample Allocation (DASA) vor, ein architektunabhängiges Framework, das die Leistung der semantischen Segmentierung verbessert, indem es Proben basierend auf einem Multi-Faktor-Schwierigkeitsgrad, der Vorhersageambiguität, Trainingsverlust, Klassenseltenheit und Grenzkomplexität kombiniert, dynamisch eine stärkere Datenaugmentation zuweist.

Olasimbo Ayodeji Arigbabu, Abimbola Ismail Arigbabu2026-06-30
💻 computer science

Detecting Cross-Medium Stylistic Signals in Sketches and Paintings with Pretrained Visual Encoders

Diese Studie zeigt, dass vortrainierte visuelle Encoder wie CLIP und SigLIP persistente stilistische Signale über Skizzen und Gemälde hinweg besser erkennen können als handgefertigte Deskriptoren, doch ihre Anfälligkeit gegenüber visuell ähnlichen Negativbeispielen legt nahe, dass sie eher als Werkzeuge zur Analyse der Wahrnehmung künstlerischen Stils durch KI denn als zuverlässige Authentifizierungsmechanismen wertvoll sind.

Hassan Ugail, Jan Ritch-Frel, Irina Matuzava, Christopher Brooke2026-06-30
💻 computer science

Hardware-Assisted Zero-Knowledge Authentication Scheme for Resource-Constrained IoT Terminals: USBKEY Implementation and Evaluation Based on GSVOLE-2DLC

Dieses Paper schlägt ein hardwaregestütztes Zero-Knowledge-Authentifizierungsschema unter Verwendung eines USBKEY und des GSVOLE-2DLC-Protokolls vor und evaluiert dieses, um eine sichere, datenschutzwahrende und leichtgewichtige Identitätsverifizierung für ressourcenbeschränkte IoT-Terminals zu ermöglichen.

Jianxin Wang, Zifan Xu, Runze Zhou, Chaoen Xiao, Lei Zhang2026-06-30
💻 computer science

CQ-Transformer: A Query Decomposition Framework with ALBERT-Based Semantic Matching for Complex Extractive Question Answering

Dieses Paper stellt CQ-Transformer vor, ein hybrides Framework für die extraktive Beantwortung von Fragen, das Abfragezerlegung mit ALBERT-basierter semantischer Filterung und RoBERTa/XLNet-Encodern kombiniert, um bestehende Baselines bei der Handhabung komplexer, multikategorialer Abfragen auf dem SQuAD 2.0-Datensatz signifikant zu übertreffen.

Hasnain abdullah, Abd Ur Rahman, Riaz Ahmed, Muhammad Awais, Ali Hamza2026-06-30
💻 computer science

Cross-Layer Early Detection of SDN-IOT Attacks: Fusing Controller Telemetry With Data-Plane Flow Statistics

Dieses Paper schlägt ein Dual-Branch-Late-Fusion-Modell vor, das ONOS-Controller-Telemetrie mit Daten-Ebene-Flussstatistiken unter Verwendung des ASEADOS-SDN-IoT-Benchmarks integriert und dabei eine hohe Erkennungsgenauigkeit erreicht, während die für eine frühzeitige Angriffserkennung erforderliche Paketanzahl im Vergleich zu reinen Daten-Ebene-Baselines signifikant reduziert wird.

Andrew Oppong-Asante, Bernard Kyiewu, Clinton Amponsah2026-06-30
💻 computer science

AI-Enabled Public Health Agent for SupportingFrontline Healthcare Workers in Primary CareSettings: Design, Evaluation, and Decision Support

Diese Studie präsentiert und evaluiert einen leichtgewichtigen, auf Retrieval-Augmented Generation (RAG) basierenden Public-Health-Agenten, der die Informationsbeschaffung, Entscheidungsunterstützung und operative Effizienz für medizinisches Fachpersonal an der Front in primären Gesundheitseinrichtungen erfolgreich verbessert, während er gleichzeitig einen minimalen Rechenaufwand beibehält, wenngleich seine klinische Wirksamkeit einer weiteren Validierung unter Realbedingungen bedarf.

Sayed Mohammed Zeeshan2026-06-30
💻 computer science

A parameter-efficient deep ensemble for automated flow cytometry-based diagnosis

Das Papier stellt CytoDNNEnsemble vor, ein parametereffizientes Deep-Ensemble-Modell, das komplementäre globale und lokale Perspektiven nutzt, um die hochdimensionale Durchflusszytometrie-Analyse zu automatisieren, wobei es im Vergleich zu State-of-the-Art-Methoden eine überlegene Genauigkeit und Robustheit erreicht und gleichzeitig die Abhängigkeit von Experten-Gating minimiert.

Tomasz Gniazdowski, Urszula Markowska-Kaczmar2026-06-30