4495 Arbeiten
Diese Arbeit definiert das Problem der Rollenklassifizierung von Hosts in Unternehmensnetzwerken und stellt zwei praktische Algorithmen vor, die Hosts basierend auf Verbindungsmustern gruppieren, um die Netzwerkstruktur zu vereinfachen und die Verwaltung sowie Überwachung zu verbessern.
Das Paper stellt WikiCLIP vor, einen effizienten kontrastiven Rahmen für die offene visuelle Entitätserkennung, der durch den Einsatz von LLM-Embeddings, einem Vision-Guided Knowledge Adaptor und einer Hard-Negative-Synthese eine signifikante Leistungssteigerung bei gleichzeitig drastisch reduzierter Inferenzlatenz im Vergleich zu generativen Modellen erzielt.
Die Arbeit zeigt, dass die direkte Optimierung des Chamfer-Abstands in der 3D-Formoptimierung aufgrund eines strukturellen Gradientenproblems zum Kollaps führt, der nur durch nicht-lokale Kopplung, wie sie durch geteilte Basisdeformationen oder einen differentiable MPM-Prior bereitgestellt wird, wirksam verhindert werden kann.
Diese Arbeit zeigt, dass der Wechsel von In-Place- zu Out-of-Place-Schreiboperationen in Datenbank-Systemen wie LeanStore die SSD-Leistung erheblich steigert, die Schreibverstärkung drastisch reduziert und die Unterstützung moderner SSD-Schnittstellen wie ZNS ermöglicht.
Die vorgestellte Arbeit verbessert die Text-Bewegungs-Rückgewinnung durch eine interpretierbare, joint-basierte Darstellung als Pseudo-Bild und einen Token-Patch-Late-Interaction-Mechanismus, der feingranulare Korrespondenzen ermöglicht und den aktuellen Stand der Technik auf HumanML3D und KIT-ML übertrifft.
Die Arbeit stellt einen neuartigen Ansatz für das unüberwachte Domänen-Adaptionslernen vor, der auf einer reformulierten Margin-Disparity-Discrepancy-Methode basiert, um die Segmentierung der Leber in interventionalen CBCT-Bildern durch die Nutzung annotierter CT-Daten zu verbessern und dabei den Mangel an annotierten CBCT-Daten zu überwinden.
Diese Arbeit stellt ein neuartiges Framework vor, das die Token-Pruning in Late-Interaction-Retrieval-Modellen durch die Interpretation als Voronoi-Zellenschätzung im Einbettungsraum formal fundiert, um den Indexspeicherbedarf signifikant zu senken, ohne die Suchqualität zu beeinträchtigen.
Diese Arbeit führt das Konzept der „Whole Slide Difficulty" (WSD) ein, das auf der Meinungsverschiedenheit zwischen Experten und Nicht-Experten basiert, und zeigt, dass die Integration dieser Schwierigkeitsmetrik in Multi-Instance-Learning-Modelle die Genauigkeit der Prostatakrebs-Grading insbesondere bei höheren Gleason-Graden verbessert.
Die Arbeit stellt KDMR vor, ein neuartiges Framework für die kinodynamische Bewegungsnachbildung bei humanoiden Robotern, das durch die Formulierung als multi-kontaktbasierte Ganzkörper-Trajektorienoptimierung physikalisch konsistente und dynamisch machbare Bewegungsabläufe erzeugt, die rein kinematischen Methoden überlegen sind und die Effizienz sowie Stabilität nachgelagerter Lernstrategien signifikant verbessern.
Diese Arbeit widerlegt eine 23 Jahre alte Vermutung, indem sie die NP-Härte des Tetris-Clairings und des Überlebens für fast alle Tetromino-Typen unter dem Standard-Rotationssystem nachweist, während sie gleichzeitig polynomielle Algorithmen für Domino- und $1\times k$-Steine liefert.
ReCoSplat ist ein autoregressives Feed-Forward-Modell für das Gaussian Splatting, das durch einen Render-and-Compare-Mechanismus und eine hybride KV-Cache-Komprimierung robuste Online-Neuansichtssynthese aus sequenziellen, oft ungeordneten Beobachtungen ermöglicht und dabei State-of-the-Art-Ergebnisse erzielt.
Das Paper stellt TiPToP vor, ein modulares Open-Vocabulary-Planungssystem für Roboter, das vortrainierte Vision-Modelle mit einem Task-and-Motion-Planer kombiniert, um komplexe Manipulationsaufgaben allein aus RGB-Bildern und Sprachbefehlen zu lösen, ohne dass roboterspezifische Trainingsdaten erforderlich sind.
Diese Arbeit stellt ein allgemeines Framework vor, das durch die Kombination von SMT-Formeln mit vorab berechneten Theorie-Lemmas die kompilierte d-DNNF-Darstellung für polytime-Abfragen auf SMT-Ebene nutzbar macht, indem sie diese auf propositionale Ebene reduziert.
Dieser Beitrag stellt ein vollautomatisches, auf BDI-Architekturen basierendes Multi-Agenten-System für integrierte Luftverteidigung vor, das durch Meta-Ebenen-Planung eigenständig Ziele erkennt, Bedrohungen bewertet und Waffen zuweist, um die Kommando- und Kontrollautonomie im Netzwerkzentrierten Krieg zu gewährleisten.
Die Studie untersucht, wie Algorithmen, die virale Inhalte priorisieren, in einem Gleichgewichtsmodell rationaler Nutzer sowohl die Informationsaggregation fördern als auch zu sich selbst verstärkenden, irreführenden Zuständen führen können, in denen falsche Geschichten dauerhaft geteilt werden, und leitet daraus Konsequenzen für das Plattformdesign ab.
Die Autoren stellen eine neuartige statistische Lernmethode für Multi-Item-Auktionen vor, die auf nichtparametrischer Dichteschätzung und Konfidenzintervallen basiert, um durch zwei effiziente Strategien die Implementierungskosten zu senken und gleichzeitig hohe Wahrscheinlichkeiten für Fairness, Anreizkompatibilität und individuelle Rationalität bei gleichzeitiger Umsatzmaximierung zu gewährleisten.
Die vorgestellte Arbeit schlägt einen mutual-conditional-Ansatz für die Blended-Target-Domain-Adaptation vor, der durch einen unsicherheitsgesteuerten Kategoriediskriminator und die Erweiterung von Low-Level-Features eine gegenseitige Ausrichtung der Verteilungen und erreicht, um die Leistung bei Label-Verteilungsverschiebungen ohne explizite Domänenlabels zu verbessern.
Diese Studie untersucht, wie methodische Entscheidungen bei der Auditierung von YouTube-Empfehlungsalgorithmen die Genauigkeit der Ergebnisse beeinflussen, und identifiziert kosteneffiziente Konfigurationen, die ohne Verlust an Validität durchgeführt werden können.
Diese Arbeit untersucht das many-to-many Zuordnungsproblem mit Präferenzen, die Bindungen und Mindestquoten beinhalten, und zeigt, dass zwar ein kritischer und relaxiert-stabiler Zuordnungsalgorithmus immer existiert, die Berechnung einer maximalen solchen Zuordnung NP-schwer ist, wofür ein polynomieller 2/3-Approximationsalgorithmus entwickelt wurde.
Die Arbeit stellt altiro3D vor, eine freie Bibliothek, die aus einem einzelnen RGB-Bild oder Video mittels Monokularer Tiefenschätzung, Inpainting und effizienter Projektionsalgorithmen realistische 3D-Erlebnisse und Lichtfelddaten für Freisicht-Displays erzeugt.